基于商空间的构造性分层竞争网络算法

被引：7

作者：

毛军军

吴涛

郑婷婷

张铃

机构：

[1] 安徽大学智能计算与信号处理重点实验室,安徽大学智能计算与信号处理重点实验室,安徽大学智能计算与信号处理重点实验室,安徽大学智能计算与信号处理重点实验室安徽合肥安徽大学数学与计算科学学院安徽合肥,安徽合肥安徽大学数学与计算科学学院安徽合肥,安徽合肥安徽大学数学与计算科学学院安徽合肥,安徽合肥

来源：

关键词：

神经网络; 构造性算法; 商空间理论; 霍夫曼编码;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

构造性学习方法根据学习样本构造神经网络,有效地解决了神经网络结构难以确定和学习速度慢的问题。文中在此基础上,利用商空间的粒度原理和霍夫曼编码的思想,对样本分布极其不均匀的分类问题,构造分层竞争覆盖网络。实例表明这种算法可以进一步提高训练的速度和识别的精度,减少拒识样本。

引用

页码：37 / 39

页数：3