航空计算技术
航空計算技術
항공계산기술
AERONAUTICAL COMPUTER TECHNIQUE
2004年
1期
76-78
,共3页
自生成神经网络%数字识别%模式识别%分类器
自生成神經網絡%數字識彆%模式識彆%分類器
자생성신경망락%수자식별%모식식별%분류기
自生成神经网络SGNN具有自主学习能力强和计算速度快的特点,可用于识别带噪声的数字字符.首先提取数字字符的特征矢量,然后将特征矢量输入SGNN中对SGNN进行训练建立分类器,通过比较未知样本特征矢量和分类器根节点权值矢量的距离远近从而得到识别结果.实验表明这种方法有较高的识别正确率,其性能优于BP神经网络.
自生成神經網絡SGNN具有自主學習能力彊和計算速度快的特點,可用于識彆帶譟聲的數字字符.首先提取數字字符的特徵矢量,然後將特徵矢量輸入SGNN中對SGNN進行訓練建立分類器,通過比較未知樣本特徵矢量和分類器根節點權值矢量的距離遠近從而得到識彆結果.實驗錶明這種方法有較高的識彆正確率,其性能優于BP神經網絡.
자생성신경망락SGNN구유자주학습능력강화계산속도쾌적특점,가용우식별대조성적수자자부.수선제취수자자부적특정시량,연후장특정시량수입SGNN중대SGNN진행훈련건립분류기,통과비교미지양본특정시량화분류기근절점권치시량적거리원근종이득도식별결과.실험표명저충방법유교고적식별정학솔,기성능우우BP신경망락.