高阶关联神经网络算法研究
【摘要】：本文先阐述高阶关联神经网络(HOLNN)的数学模型,然后研究了有监督学习和无监督学习的四种算法:δ规则算法;基于奇异值分解的广义逆学习法;Hebbian规则学习法以及用于分类的无监督学习法．在此基础上,文章提出了一种适用于大量线性相关样本的基于正交化消相关处理的广义逆法．这类广义逆法采用直接求逆方法,从而避免作矩阵奇异值分解的工作,因此该算法有其独到之处。
|
|
|
|
| 1 |
刘清;基于人工神经网络的非线性系统辨识[J];武汉交通科技大学学报;1999年02期 |
| 2 |
金钰,李书涛;人工神经网络 BP 网的应用[J];北京理工大学学报;1998年06期 |
| 3 |
杨力,张佩芬,武玉朴,梁刚,李伟;神经网络用于多模式分类[J];机器人;1991年03期 |
| 4 |
张尊建，余书勤，相秉仁，安登魁;复合对向－反向传播人工神经网络模型及其应用[J];中国药科大学学报;1996年11期 |
| 5 |
汤程;李希胜;;基于人工神经网络的烧结终点预报系统[J];微计算机信息;2007年17期 |
| 6 |
行敏锋;沈铁;;DLVQ模型应用研究[J];文山师范高等专科学校学报;2007年03期 |
| 7 |
张鸿宾;;人工神经网络的学习算法(2)[J];计算机科学;1990年03期 |
| 8 |
麻红昭，俞蒙槐;人工神经网络基本原理（3）[J];电子计算机与外部设备;1996年04期 |
| 9 |
肖力;;BP学习算法及其收敛速度的改进[J];阴山学刊(自然科学版);2003年01期 |
| 10 |
崔兆顺;韩双旺;;基于PSO的人工神经网络学习算法的研究[J];硅谷;2009年13期 |
| 11 |
麻红昭，俞蒙槐;人工神经网络基本原理（2）[J];电子计算机与外部设备;1996年04期 |
| 12 |
黄家英,葛一楠;讲座:人工神经网络──第二讲 早期的人工神经网络─—感知器(续)[J];自动化与仪器仪表;1997年01期 |
| 13 |
黄永聪;张旭;吴义纯;吴琦;程家兴;;改进的径向基函数网络的研究及应用[J];计算机技术与发展;2010年05期 |
| 14 |
张圣楠,郭文义,肖力墉;基于MATLAB的BP神经网络的设计与训练[J];内蒙古科技与经济;2005年17期 |
| 15 |
殷莹;;BP网络在设备故障诊断中的应用与实现[J];微计算机信息;2007年28期 |
| 16 |
吕洪涛;周继成;朱洪波;;多层感知器的加速算法[J];南京邮电大学学报(自然科学版);1992年03期 |
| 17 |
丁一;;基于人工神经网络的负相关学习研究[J];计算机仿真;2007年06期 |
| 18 |
李伟超;李志刚;杨旭海;;遗传算法在人工神经网络中的应用[J];电子测量与仪器学报;2008年S2期 |
| 19 |
王爽;张鹰;吕瑞霞;;BP神经网络的算法改进及应用[J];电脑知识与技术;2009年04期 |
| 20 |
文巨峰,倪受东,颜景平;人工神经网络在机器人学中的应用探讨[J];制造业自动化;2001年08期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心