南京理工大学学报（自然科学版）
南京理工大學學報（自然科學版）
남경리공대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF SCIENCE AND TECHNOLOGY
2013年
1期
1-6
,共6页
自组织映射%概率神经网络%增量式学习%机器学习
自組織映射%概率神經網絡%增量式學習%機器學習
자조직영사%개솔신경망락%증량식학습%궤기학습
为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN).使用模决化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN.IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整；最后,IMSOMPNN还具有较强的抗噪能力.在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性.
為解決傳統學習算法不能有效利用新可用數據這一不足,提齣一種基于自組織映射(SOM)和概率神經網絡(PNN)的增量式學習算法——增量式模塊化自組織映射概率神經網絡(IMSOMPNN).使用模決化SOM對每類訓練數據進行學習,以訓練後SOM的原型嚮量作為此類彆的模式神經元來構建PNN.IMSOMPNN可以方便地實現對不同類型的新數據進行增量式學習,併且在進行增量學習時,不再需要利用到原始的訓練數據,僅使用新的數據對已有模型進行跼部調整；最後,IMSOMPNN還具有較彊的抗譟能力.在UCI Landsat Satellite數據集上的實驗驗證瞭該文所述方法的有效性.
위해결전통학습산법불능유효이용신가용수거저일불족,제출일충기우자조직영사(SOM)화개솔신경망락(PNN)적증량식학습산법——증량식모괴화자조직영사개솔신경망락(IMSOMPNN).사용모결화SOM대매류훈련수거진행학습,이훈련후SOM적원형향량작위차유별적모식신경원래구건PNN.IMSOMPNN가이방편지실현대불동류형적신수거진행증량식학습,병차재진행증량학습시,불재수요이용도원시적훈련수거,부사용신적수거대이유모형진행국부조정；최후,IMSOMPNN환구유교강적항조능력.재UCI Landsat Satellite수거집상적실험험증료해문소술방법적유효성.
