电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2000年
11期
25-28
,共4页
注意参数%目标识别%协同神经网络%神经网络优化%遗传算法%奖惩学习算法
註意參數%目標識彆%協同神經網絡%神經網絡優化%遺傳算法%獎懲學習算法
주의삼수%목표식별%협동신경망락%신경망락우화%유전산법%장징학습산법
本文讨论了目标识别的协同方法在不平衡注意参数条件下的动力学行为,并提出了不平衡注意参数条件下的遗传协同学习算法(GSLA).该算法利用遗传算法的全局最优搜索能力,对协同神经网络的注意参数进行全局优化.对从"车牌识别系统"中得到的数字样本的实验证明:新算法能有效地在注意参数空间搜索全局最优解,挖掘出协同方法在目标识别方面的最大潜能.另外,本文还将新算法与利用奖惩学习算法的协同学习算法进行了全局优化能力的比较,发现新算法具有收敛快和全局最优搜索能力强的特点.
本文討論瞭目標識彆的協同方法在不平衡註意參數條件下的動力學行為,併提齣瞭不平衡註意參數條件下的遺傳協同學習算法(GSLA).該算法利用遺傳算法的全跼最優搜索能力,對協同神經網絡的註意參數進行全跼優化.對從"車牌識彆繫統"中得到的數字樣本的實驗證明:新算法能有效地在註意參數空間搜索全跼最優解,挖掘齣協同方法在目標識彆方麵的最大潛能.另外,本文還將新算法與利用獎懲學習算法的協同學習算法進行瞭全跼優化能力的比較,髮現新算法具有收斂快和全跼最優搜索能力彊的特點.
본문토론료목표식별적협동방법재불평형주의삼수조건하적동역학행위,병제출료불평형주의삼수조건하적유전협동학습산법(GSLA).해산법이용유전산법적전국최우수색능력,대협동신경망락적주의삼수진행전국우화.대종"차패식별계통"중득도적수자양본적실험증명:신산법능유효지재주의삼수공간수색전국최우해,알굴출협동방법재목표식별방면적최대잠능.령외,본문환장신산법여이용장징학습산법적협동학습산법진행료전국우화능력적비교,발현신산법구유수렴쾌화전국최우수색능력강적특점.