武汉理工大学学报
武漢理工大學學報
무한리공대학학보
JOURNAL OF WUHAN UNIVERSITY OF TECHNOLOGY
2004年
10期
87-89
,共3页
一般模糊极小极大网%无师训练%模糊隶属度函数%自动目标识别
一般模糊極小極大網%無師訓練%模糊隸屬度函數%自動目標識彆
일반모호겁소겁대망%무사훈련%모호대속도함수%자동목표식별
针对General Fuzzy Min-Max(GFMM)神经网络不能自适应学习新类的缺陷,提出了一种基于该网络的无师训练改进算法.它一方面继承原GFMM网可以处理模糊输入量的优点,重构了网络中的模糊隶属度函数;另一方面结合ART2神经网络无师学习的特点,引入了网络警戒门限和运行状态切换控制.改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力,并展现出了良好的并行处理性能.自动目标识别中的应用结果表明:该网络具有广泛的实用性.
針對General Fuzzy Min-Max(GFMM)神經網絡不能自適應學習新類的缺陷,提齣瞭一種基于該網絡的無師訓練改進算法.它一方麵繼承原GFMM網可以處理模糊輸入量的優點,重構瞭網絡中的模糊隸屬度函數;另一方麵結閤ART2神經網絡無師學習的特點,引入瞭網絡警戒門限和運行狀態切換控製.改進後的GFMM神經網絡完全具備瞭自適應調整和無師學習的能力,併展現齣瞭良好的併行處理性能.自動目標識彆中的應用結果錶明:該網絡具有廣汎的實用性.
침대General Fuzzy Min-Max(GFMM)신경망락불능자괄응학습신류적결함,제출료일충기우해망락적무사훈련개진산법.타일방면계승원GFMM망가이처리모호수입량적우점,중구료망락중적모호대속도함수;령일방면결합ART2신경망락무사학습적특점,인입료망락경계문한화운행상태절환공제.개진후적GFMM신경망락완전구비료자괄응조정화무사학습적능력,병전현출료량호적병행처이성능.자동목표식별중적응용결과표명:해망락구유엄범적실용성.