制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2005年
11期
53-55
,共3页
人工神经网络%模式识别%信号滤波
人工神經網絡%模式識彆%信號濾波
인공신경망락%모식식별%신호려파
介绍了一种适用于模式识别的新型神经网络模型--局部有监督特征映射(Reglonal Supervised Feature Mapping,RSFM)网络,描述了该网络的拓扑结构和学习算法,研究了网络的基本性能,最后将其应用到了信号滤波中.理论研究和仿真实验表明,该网络结构简单、算法简洁,收敛速度快、识别精度高,适用于需要大样本训练、随机干扰严重的复杂模式的分类与识别.
介紹瞭一種適用于模式識彆的新型神經網絡模型--跼部有鑑督特徵映射(Reglonal Supervised Feature Mapping,RSFM)網絡,描述瞭該網絡的拓撲結構和學習算法,研究瞭網絡的基本性能,最後將其應用到瞭信號濾波中.理論研究和倣真實驗錶明,該網絡結構簡單、算法簡潔,收斂速度快、識彆精度高,適用于需要大樣本訓練、隨機榦擾嚴重的複雜模式的分類與識彆.
개소료일충괄용우모식식별적신형신경망락모형--국부유감독특정영사(Reglonal Supervised Feature Mapping,RSFM)망락,묘술료해망락적탁복결구화학습산법,연구료망락적기본성능,최후장기응용도료신호려파중.이론연구화방진실험표명,해망락결구간단、산법간길,수렴속도쾌、식별정도고,괄용우수요대양본훈련、수궤간우엄중적복잡모식적분류여식별.
