计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2001年
19期
13-15,72
,共4页
模块化结构%神经网络%学习算法%分解判定
模塊化結構%神經網絡%學習算法%分解判定
모괴화결구%신경망락%학습산법%분해판정
提出了一种基于模块化的神经网络的系统结构和学习算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略.一般函数逼近和三维墨西哥草帽等2个实现表明,该文提出的结构和算法是可行的、有效的;与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有并行性高、通用性强、对新增样本易于学习、便于硬件实现等特点.
提齣瞭一種基于模塊化的神經網絡的繫統結構和學習算法,它通過用分解判定子模塊對輸入嚮量的適噹分區域、由閤成子網將各區域的結果閤成,實現瞭複雜任務的自動分解判定和模塊化訓練策略.一般函數逼近和三維墨西哥草帽等2箇實現錶明,該文提齣的結構和算法是可行的、有效的;與非模塊化神經網絡技術相比,提高瞭訓練速度、改善瞭網絡性能,它具有併行性高、通用性彊、對新增樣本易于學習、便于硬件實現等特點.
제출료일충기우모괴화적신경망락적계통결구화학습산법,타통과용분해판정자모괴대수입향량적괄당분구역、유합성자망장각구역적결과합성,실현료복잡임무적자동분해판정화모괴화훈련책략.일반함수핍근화삼유묵서가초모등2개실현표명,해문제출적결구화산법시가행적、유효적;여비모괴화신경망락기술상비,제고료훈련속도、개선료망락성능,타구유병행성고、통용성강、대신증양본역우학습、편우경건실현등특점.