广义LVQ神经网络的性能分析及其改进

被引：7

作者：

张志华

郑南宁

王天树

机构：

[1] 西安交通大学人工智能与机器人研究所!西安

来源：

自动化学报 | 1999年 / 05期

关键词：

亏损因子; 模糊度因子; 学习率; IRIS数据;

D O I：

10.16383/j.aas.1999.05.002

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

首先从理论上分析了广义学习矢量量化（ＧＬＶＱ）网络的ＧＬＶＱＦ算法的性能，ＧＬＶＱＦ算法在一定程度上克服了ＧＬＶＱ算法存在的问题．然而，它对获胜表现型的学习具有好的性能，对于其它的表现型，性能却十分不稳定．分析了产生这个问题的原因，直接从表现型的学习率出发，提出了选取学习率的准则，并给出了两种改进的算法．最后，使用ＩＲＩＳ数据验证了算法的性能，改进算法较之ＧＬＶＱＦ算法具有明显的稳定性和有效性．

引用

页码：583 / 589

页数：7

共 9 条

[1]

Parallelselforganizing feature m aps for unsupervised pattern recognition. Huntsberger T,Ajjim arangsee P. Int.J. GeneralSystem s . 1989

[2]

Neural networks[P]. MIGLIORATO PIERO;GARTH SIMON CHRISTOPHER JOHN;MILNE WILLIAM IRELAND.英国专利:GB2255427B,1994-06-08

[3]

Generalized clustering netw orks and Kohonen’s selforganizing schem e. PalN R,Bezdek JC,Tsao ECK. IEEETrans. on NeuralNetw orks . 1993

[4]

Pattern recognition.[P]. DIEP THANH A;AVI-ITZHAK HADAR I;GARLAND HARRY T.EP0622750A2,1994-11-02

[5]

Selforganization m aps. Kohonen T. . 1995

[6]

Tw o softrelatives oflearning vectorquantization. Bezdek JC,PalN R. NeuralNetw orks . 1995

[7]

Pattern Recognition w ith Fuzzy Objective Function Algorithm s. Bezdek J. . 1981

[8]

An analysis of the GLVQ algorithm. Gonzalez A Z,Grana M,Anjar A D. IEEE Trans. on Neural Netw orks . 1995

[9]

Repair to GLVQ: a new fam ily of com petitive learningschem es. Karayiannis N B,Bezdek JC,Pal N R,Hatharay R J. IEEE Trans. on NeuralNetw orks . 1996

← 1 →