幾種競爭神經(jīng)網(wǎng)絡的改進及其在模式分類中的應用——以SOM和ART為例.pdf_第1頁
已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、神經(jīng)網(wǎng)絡的學習方式可分為兩種，一種是有監(jiān)督的學習，這時利用給定的訓練樣本進行分類或模仿：另一種是非監(jiān)督的學習，這時只規(guī)定學習方式或某些規(guī)則，而具體的學習內(nèi)容隨系統(tǒng)所處的環(huán)境(即輸入信號情況)而異，系統(tǒng)可以自動發(fā)現(xiàn)環(huán)境特征和規(guī)律性，具有更近似于人腦的功能。相對于有監(jiān)督學習來說，非監(jiān)督學習的研究起步較晚，其研究空間比前者更大。本文對模糊自適應共振理論(FuzzyART)神經(jīng)網(wǎng)絡進行改進，并將它與自組織特征映射(SOM)神經(jīng)網(wǎng)絡結合，提出了一

2、種新的非監(jiān)督分類方法，本文的主要工作總結如下： (1)對幾種代表性的人工神經(jīng)網(wǎng)絡模型進行了討論，了解了人工神經(jīng)網(wǎng)絡的研究動態(tài)及發(fā)展趨勢，并重點對SOM網(wǎng)絡和自適應共振理論模型結構和算法理論進行深入研究。 (2)深入研究自組織特征映射神經(jīng)網(wǎng)絡的模型結構和算法理論，并通過Iris、Wine、遙感數(shù)據(jù)以及灰度圖像分類實驗驗證SOM網(wǎng)絡的性能。 (3)對模糊自適應共振理論進行深入研究，對其學習率進行改進，并進一步降低算法

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論