南京理工大学学报（自然科学版）
南京理工大學學報（自然科學版）
남경리공대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF SCIENCE AND TECHNOLOGY
2007年
1期
89-91
,共3页
神经网络%竞争学习算法%高速算法%选择K个较大数%K-WTA%HS-K-WTA%HS-K-WTA-2
神經網絡%競爭學習算法%高速算法%選擇K箇較大數%K-WTA%HS-K-WTA%HS-K-WTA-2
신경망락%경쟁학습산법%고속산법%선택K개교대수%K-WTA%HS-K-WTA%HS-K-WTA-2
该文提出了一种新的K-Winners-Take-All神经网络:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2).HS-K-WTA-2以竞争学习算法为基础.HS-K-WTA-2能够从任何一个数集中识别出K个较大的数,或K个较小的数.该文给出HS-K-WTA-2算法及算法复杂度的分析结果.用专门为研究K-WTA神经网络开发的仿真程序对HS-K-WTA-2、HS-K-WTA和Winstrons进行仿真研究.结果显示:当所取的数集N较大时,HS-K-WTA-2要比Winstrons和HS-K-WTA速度更快.HS-K-WTA-2的硬件实现比Winston的硬件实现要简单,比HS-K-WTA的硬件实现复杂.
該文提齣瞭一種新的K-Winners-Take-All神經網絡:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2).HS-K-WTA-2以競爭學習算法為基礎.HS-K-WTA-2能夠從任何一箇數集中識彆齣K箇較大的數,或K箇較小的數.該文給齣HS-K-WTA-2算法及算法複雜度的分析結果.用專門為研究K-WTA神經網絡開髮的倣真程序對HS-K-WTA-2、HS-K-WTA和Winstrons進行倣真研究.結果顯示:噹所取的數集N較大時,HS-K-WTA-2要比Winstrons和HS-K-WTA速度更快.HS-K-WTA-2的硬件實現比Winston的硬件實現要簡單,比HS-K-WTA的硬件實現複雜.
해문제출료일충신적K-Winners-Take-All신경망락:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2).HS-K-WTA-2이경쟁학습산법위기출.HS-K-WTA-2능구종임하일개수집중식별출K개교대적수,혹K개교소적수.해문급출HS-K-WTA-2산법급산법복잡도적분석결과.용전문위연구K-WTA신경망락개발적방진정서대HS-K-WTA-2、HS-K-WTA화Winstrons진행방진연구.결과현시:당소취적수집N교대시,HS-K-WTA-2요비Winstrons화HS-K-WTA속도경쾌.HS-K-WTA-2적경건실현비Winston적경건실현요간단,비HS-K-WTA적경건실현복잡.
