计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
23期
72-73,82
,共3页
离散余弦变换%传统人工神经网络%过程人工神经网络%动态过程%聚类
離散餘絃變換%傳統人工神經網絡%過程人工神經網絡%動態過程%聚類
리산여현변환%전통인공신경망락%과정인공신경망락%동태과정%취류
为了有效解决传统人工神经网络对于时变函数的聚类问题,以及提高在大样本下网络的学习和泛化能力,提出了基于离散余弦变换的传统人工神经网络动态过程聚类方法.通过离散余弦变换将样本函数降维映射到由对应余弦参数所张成的模式特征空间,满足了传统人工神经网络对输入样本的要求,使传统人工神经网络实现动态过程的聚类成为可能.给出了实现算法,分析了计算复杂度,并使用基本竞争型人工神经网络对特征样本向量进行聚类,实验结果表明该方法是正确、有效的.与过程人工神经网络相比,该方法具有运算简单、物理意义明确等优点.
為瞭有效解決傳統人工神經網絡對于時變函數的聚類問題,以及提高在大樣本下網絡的學習和汎化能力,提齣瞭基于離散餘絃變換的傳統人工神經網絡動態過程聚類方法.通過離散餘絃變換將樣本函數降維映射到由對應餘絃參數所張成的模式特徵空間,滿足瞭傳統人工神經網絡對輸入樣本的要求,使傳統人工神經網絡實現動態過程的聚類成為可能.給齣瞭實現算法,分析瞭計算複雜度,併使用基本競爭型人工神經網絡對特徵樣本嚮量進行聚類,實驗結果錶明該方法是正確、有效的.與過程人工神經網絡相比,該方法具有運算簡單、物理意義明確等優點.
위료유효해결전통인공신경망락대우시변함수적취류문제,이급제고재대양본하망락적학습화범화능력,제출료기우리산여현변환적전통인공신경망락동태과정취류방법.통과리산여현변환장양본함수강유영사도유대응여현삼수소장성적모식특정공간,만족료전통인공신경망락대수입양본적요구,사전통인공신경망락실현동태과정적취류성위가능.급출료실현산법,분석료계산복잡도,병사용기본경쟁형인공신경망락대특정양본향량진행취류,실험결과표명해방법시정학、유효적.여과정인공신경망락상비,해방법구유운산간단、물리의의명학등우점.
