计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2007年
8期
1379-1388
,共10页
田大新%刘衍珩%李宾%吴静
田大新%劉衍珩%李賓%吳靜
전대신%류연형%리빈%오정
scaling up%数据分割%Hebb规则%分布式学习%竞争学习
scaling up%數據分割%Hebb規則%分佈式學習%競爭學習
scaling up%수거분할%Hebb규칙%분포식학습%경쟁학습
随着知识发现与数据挖掘领域数据量的不断增加,为了处理大规模数据,scaling up学习成为KDD的热点研究领域.文中提出了基于Hebb规则的分布式神经网络学习算法实现scaling up学习.为了提高学习速度,完整数据集被分割成不相交的子集并由独立的子神经网络来学习;通过对算法完整性及竞争Hebb学习的风险界的分析,采用增长和修剪策略避免分割学习降低算法的学习精度.对该算法的测试实验首先采用基准测试数据circlein-the-square测试了其学习能力,并与SVM,ARTMAP和BP神经网络进行比较;然后采用UCI中的数据集USCensus1990测试其对大规模数据的学习性能.
隨著知識髮現與數據挖掘領域數據量的不斷增加,為瞭處理大規模數據,scaling up學習成為KDD的熱點研究領域.文中提齣瞭基于Hebb規則的分佈式神經網絡學習算法實現scaling up學習.為瞭提高學習速度,完整數據集被分割成不相交的子集併由獨立的子神經網絡來學習;通過對算法完整性及競爭Hebb學習的風險界的分析,採用增長和脩剪策略避免分割學習降低算法的學習精度.對該算法的測試實驗首先採用基準測試數據circlein-the-square測試瞭其學習能力,併與SVM,ARTMAP和BP神經網絡進行比較;然後採用UCI中的數據集USCensus1990測試其對大規模數據的學習性能.
수착지식발현여수거알굴영역수거량적불단증가,위료처리대규모수거,scaling up학습성위KDD적열점연구영역.문중제출료기우Hebb규칙적분포식신경망락학습산법실현scaling up학습.위료제고학습속도,완정수거집피분할성불상교적자집병유독립적자신경망락래학습;통과대산법완정성급경쟁Hebb학습적풍험계적분석,채용증장화수전책략피면분할학습강저산법적학습정도.대해산법적측시실험수선채용기준측시수거circlein-the-square측시료기학습능력,병여SVM,ARTMAP화BP신경망락진행비교;연후채용UCI중적수거집USCensus1990측시기대대규모수거적학습성능.