一种新型自适应神经网络回归估计算法

结合自适应谐振理论和域理论的优点,针对回归估计问题的特性,提出了一种新型神经网络回归估计算法ＦＴＡＲＴ３．该算法学习速度快、归纳能力强,不仅具有增量学习能力,还克服了ＢＰ类算法需要人为设置隐层神经元的缺陷,直线、下弦、二维墨西哥草帽、三维墨西哥草帽等４个实验表明,ＦＴＡＲＴ３在函数近似效果和训练时间代价上都优于目前常用于因归估计问题的ＢＰ类算法。     

自适应谐振理论综述

1.引言神经网络的竞争学习模型在70年代早期由Malsburg和Grossberg提出,此后得到了很大的发展。这种学习是指网络中的某一组神经元相互竞争对外界刺激模式响应的权力,竞争获胜的神经元的连接权发生某种变化,使得它在下一次对该刺激模式进行竞争时更为有利。一般来说,由竞争学习模型学习得到的分类很难保持稳定,即使连续地为网络提供有限个保持不变的模式序列,某一个特定的获胜分类仍然可能不断地发生变化。为了稳定学习过程,就必须将学习率     

基于域理论的自适应谐振神经网络分类器

提出了一种基于域理论的自适应谐振神经网络模型FTART2(field theory based adaptive resonance theory 2).该模型结合了自适应谐振理论和域理论的优点,学习速度快,归纳能力强,效率高,可以根据输入样本自适应地调整拓扑结构,克服了前馈型网络需要人为设置隐层神经元的缺点.基准测试表明,FTART2在学习精度和速度上都远远优于标准BP算法.     

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

一种新的前向神经网络自适应学习算法

针对时变和／或非线性输入的前向神经网络提出了一种感知自适应算法。其本质是迫使输出的实际值和期望值之间的误差满足一个渐近稳定的差分方程，而不是用后向传播方法使误差函数极小化。通过适当排列扩张输入可以避免算法的奇异性。     

一种新的神经网络自适应控制器

1引言神经网络具有很强的非线性逼近能力，现已广泛应用于控制系统的设计［‘］。一种方法是利用它进行自适应控制【’」，另一种方法是利用它来决定控制输出［3］。fg是，在这些文献中，其控制器的设计大多数是离线进行的，且要依赖于系统的较多验前信息。在文卜」中提出了利用神经网络控制器来解决CARMA系统的辨识问题以及在线实现自适应控制。由于多层前向神经网络模型存在固有误差，这里利用文［5」中提出的带有输入补偿的神经网络来辨识系统模型，利用预测误差来估计系统噪声。同时，利用神经网络来辨识系统的逆模，求出控制器的输出…     

一种新的VoIP自适应缓冲算法

网络延迟与缓冲的矛盾是VoIP应用中的一个重要问题.介绍了VoIP应用中几种当前主要的缓冲算法,分别分析了它们的优缺点,提出了新的自适应缓冲算法,称为FISD算法,对现有的代表性算法以及FISD算法分别进行了仿真实验.结果表明,在网络延迟抖动较大时,新算法可以有效地提高语音质量.     

一种新的自适应Lee图像增强算法

该文对Lee图像增强算法及其改进型算法进行了较深入的研究,发现了其存在的问题,提出了一种新的图像增强方法。该方法补充了一个有用的非线性变换,增加了原Lee算法的普适性;其次利用灰度值的统计特性达到了图像自适应增强的目的。实验结果表明:新算法不仅具有较大的适用范围,而且能够有效地增强整个图像的对比度,提高图像的视觉效果。     

一种新的自适应模糊系统

提出应用B-Spline函数为隶属函数的自适应模糊系统，该系统将B-Spline和ANFIS两有机地结合在一起，取长补短，达到简捷的隶属函数自寻优。研究结果表明，该方法运算速度快、系统的逼近误差小、精度高、简单易行，非常适合于隶属函数的在线优化。     

基于模糊自适应谐振网的多源遥感图像融合方法

介绍模糊自适应谐振网在多源遥感图像融合的应用.详细分析模糊自适应谐振网聚类算法的步骤和特点,并比较模糊自适应谐振网和一般模糊极小-极大网的差异.实验证明模糊自适应谐振网的自适应稳定性佳,其聚类速度优于一般模糊极小-极大网,而一般模糊极小-极大网聚类精度较好,对训练区域的依赖性较强.     

一种基于多目标优化的神经网络快速学习算法

本文根据多目标优化理论、认知科学和神经科学等学科的最新成果，提出了一种基于多目标优化的神经网络快速学习算法．实验结果表明，该学习算法可以解决目前神经网络普遍存在的学习时间长、容易陷入局部极小和网络结构优化难等问题.     

分布式系统中的双向启动自适应任务分配算法

本文讨论一种分布式系统中的任务分配算法，对它所使用的数据结构、算法实现以及性能等给予阐述，本算法采用双向启动策略，而且能根据系统总负功情况等自动选择发送者或接受者启动，所以称为双向启动自适应算法，同时，利用阈值和阈长两种参数把系统中的节点分为接受节点，负载适中节点和发送节点，它保证了寻找合作节点的优化和寻找速度的提高，是一种启发式算法。     

GAF：一个自适应通用神经网络框架

本文首先讨论了通用PDP框架的局限性,然后介绍了我们提出的一个自适应通用神经网络框架.它使得PDP框架成为它的一个特例.由于在提出本框架的过程中充分考虑了人脑的退化、自适应等机制,从而使得利用本框架来动态模拟神经系统的退化及自适应等功能更为简便.而且,本框架对更合理地解释人脑的工作机制及思维模拟有许多优越性.     

一种高效的自适应指纹图像压缩算法

提出了一种新的高效的指纹图像压缩算法,该算法根据识别特征对指纹图像的关键点对应的小波系数进行自适应量化,从而有效地改进了零树小波压缩算法,实验结果证明了本文算法的有效性。     

自适应Voltera滤波的一种快速算法

Ｖｏｌｔｅｒｒａ滤波是非线性自适应信号处理中一种有效的方法．但是其很高的计算复杂度使之在实际应用中有较大的局限性．针对这一问题，本文提出了一种Ｖｏｌｔｅｒｒａ滤波快速算法，可有效地降低计算的复杂度．我们分析对比了现有算法与快速算法的复杂度．文章还给出了一个用Ｖｏｌｔｅｒｒａ自适应模型建模的仿真实例．     

机群系统中一种新的自适应结点分配算法:受限负载平衡结点分配(LLBA)

在机群系统中结点分配策略根据一定的原则为作业确定运行结点是提高系统性能的关键。通过对机群结点分配策略的研究,作者发现当前基于负载平衡自适应的结点分配策略为并行作业选择负载最轻的结点,这不利于系统性能的充分发挥。作者提出了一种新的自适应负载平衡结点分配算法：受限负载平衡结点分配。     

DSM系统中维护共享数据一致性的自适应算法

本文应用人工智能中的证据理论，提出了一种维护共享数据一致性的自适应算法──ADC算法.该算法能充分利用程序行为具有稳定性的特点，根据应用程序访问共享存储器的行为来调整维护共享数据一致性所采用的策略，能大大提高DSM（distributedsharedmemory）系统的适应能力.     

一种新的变步长自适应滤波算法研究

针对滤波器在亚模型(under-modeling)工作状态下定步长自适应算法收敛速度和稳态误差之间的矛盾,提出一种变步长分割式比例仿射投影算法(VSS-SPAPA)。该算法考虑到系统干扰噪声和滤波器权系数个数小于回声路径长度时引起的亚模型噪声对回声消除系统性能的影响,利用后验误差去补偿这两类噪声的负面作用,建立一个新的目标函数,根据该目标函数,导出一种适用于比例仿射投影算法整体步长的调节方法。仿真结果表明:在增加少量计算量的情况下,新算法的收敛速度和稳态性能与定步长比例仿射投影算法以及已有变步长算法相比得到了明显提高。