北京石油化工学院学报
北京石油化工學院學報
북경석유화공학원학보
JOURNAL OF BEIJING INSTITUTE OF PETRO-CHEMICAL TECHNOLOGY
2009年
4期
13-16
,共4页
人工神经网络%模式神经元%聚类%阈值
人工神經網絡%模式神經元%聚類%閾值
인공신경망락%모식신경원%취류%역치
为了更好地模拟人脑对事物的学习、认知过程,笔者提出了模式神经元网络的聚类规则和方法,从而完善了这种新型的神经网络模型.与现有的人工神经网络不同,模式神经元网络不需要反复迭代就能达到学习、识别、分类的效果.实验结果表明:与自适应共振理论相比,模式神经元网络的学习效率快,识别精度高,分类效果也比较好.
為瞭更好地模擬人腦對事物的學習、認知過程,筆者提齣瞭模式神經元網絡的聚類規則和方法,從而完善瞭這種新型的神經網絡模型.與現有的人工神經網絡不同,模式神經元網絡不需要反複迭代就能達到學習、識彆、分類的效果.實驗結果錶明:與自適應共振理論相比,模式神經元網絡的學習效率快,識彆精度高,分類效果也比較好.
위료경호지모의인뇌대사물적학습、인지과정,필자제출료모식신경원망락적취류규칙화방법,종이완선료저충신형적신경망락모형.여현유적인공신경망락불동,모식신경원망락불수요반복질대취능체도학습、식별、분류적효과.실험결과표명:여자괄응공진이론상비,모식신경원망락적학습효솔쾌,식별정도고,분류효과야비교호.