智能计算机与应用
智能計算機與應用
지능계산궤여응용
Computer Study
2014年
5期
61-65
,共5页
GSC-ART2%模式漂移%幅值丢失%广义相似度%置信度
GSC-ART2%模式漂移%幅值丟失%廣義相似度%置信度
GSC-ART2%모식표이%폭치주실%엄의상사도%치신도
ART2是一种基于自适应谐振理论的无监督神经网络,由于其快速响应、实时学习等特点,被广泛地应用在实时聚类问题中.传统的ART2存在幅值信息丢失、容易产生模式漂移的问题,本文针对此不足提出了一种基于广义相似度和置信度的GSC-ART2网络.其通过引入广义相似度检测和竞争机制,解决了幅值信息丢失的问题.置信度结合广义相似度的权值调整方式抑制了模式漂移并使网络的连接权值更加准确.通过实验表明,GSC-ART2网络在处理幅值相关、样本渐变分类问题上的识别性能均优于传统ART2网络,从而证明了此GSC-ART2网络的有效性,也为解决模式识别中普遍存在的模式漂移问题找到了一种优良的解决方法.
ART2是一種基于自適應諧振理論的無鑑督神經網絡,由于其快速響應、實時學習等特點,被廣汎地應用在實時聚類問題中.傳統的ART2存在幅值信息丟失、容易產生模式漂移的問題,本文針對此不足提齣瞭一種基于廣義相似度和置信度的GSC-ART2網絡.其通過引入廣義相似度檢測和競爭機製,解決瞭幅值信息丟失的問題.置信度結閤廣義相似度的權值調整方式抑製瞭模式漂移併使網絡的連接權值更加準確.通過實驗錶明,GSC-ART2網絡在處理幅值相關、樣本漸變分類問題上的識彆性能均優于傳統ART2網絡,從而證明瞭此GSC-ART2網絡的有效性,也為解決模式識彆中普遍存在的模式漂移問題找到瞭一種優良的解決方法.
ART2시일충기우자괄응해진이론적무감독신경망락,유우기쾌속향응、실시학습등특점,피엄범지응용재실시취류문제중.전통적ART2존재폭치신식주실、용역산생모식표이적문제,본문침대차불족제출료일충기우엄의상사도화치신도적GSC-ART2망락.기통과인입엄의상사도검측화경쟁궤제,해결료폭치신식주실적문제.치신도결합엄의상사도적권치조정방식억제료모식표이병사망락적련접권치경가준학.통과실험표명,GSC-ART2망락재처리폭치상관、양본점변분류문제상적식별성능균우우전통ART2망락,종이증명료차GSC-ART2망락적유효성,야위해결모식식별중보편존재적모식표이문제조도료일충우량적해결방법.
