计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2000年
11期
1226-1229
,共4页
神经网络%结构自适应%拓扑有序%条件类别熵
神經網絡%結構自適應%拓撲有序%條件類彆熵
신경망락%결구자괄응%탁복유서%조건유별적
神经网络由于优越的学习和分类能力已被用于许多模式识别的问题,并取得了很好的结果.但是对于识别大样本集和复杂模式的问题,绝大多数常规的神经网络在决定网络的结构和规模以及应付庞大的计算量等方面有着种种困难.为了克服这些困难,文中提出一种基于条件类别熵的结构自适应的神经网络树;这种神经网络树由具有拓扑有序特性的子网络组成,而树的规模由条件类别熵决定.它的主要优点是对于识别大样本集和复杂模式的问题能够通过结构自适应自动地确定网络的结构和规模.实验显示这种神经网络树对于识别大样本集和复杂模式是非常有效的.
神經網絡由于優越的學習和分類能力已被用于許多模式識彆的問題,併取得瞭很好的結果.但是對于識彆大樣本集和複雜模式的問題,絕大多數常規的神經網絡在決定網絡的結構和規模以及應付龐大的計算量等方麵有著種種睏難.為瞭剋服這些睏難,文中提齣一種基于條件類彆熵的結構自適應的神經網絡樹;這種神經網絡樹由具有拓撲有序特性的子網絡組成,而樹的規模由條件類彆熵決定.它的主要優點是對于識彆大樣本集和複雜模式的問題能夠通過結構自適應自動地確定網絡的結構和規模.實驗顯示這種神經網絡樹對于識彆大樣本集和複雜模式是非常有效的.
신경망락유우우월적학습화분류능력이피용우허다모식식별적문제,병취득료흔호적결과.단시대우식별대양본집화복잡모식적문제,절대다수상규적신경망락재결정망락적결구화규모이급응부방대적계산량등방면유착충충곤난.위료극복저사곤난,문중제출일충기우조건유별적적결구자괄응적신경망락수;저충신경망락수유구유탁복유서특성적자망락조성,이수적규모유조건유별적결정.타적주요우점시대우식별대양본집화복잡모식적문제능구통과결구자괄응자동지학정망락적결구화규모.실험현시저충신경망락수대우식별대양본집화복잡모식시비상유효적.
