计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2002年
5期
83-85
,共3页
任务分解%Kohonen神经网络%模式识别
任務分解%Kohonen神經網絡%模式識彆
임무분해%Kohonen신경망락%모식식별
在模式识别中,通常直接用神经网络来处理复杂的多类分类问题,其识别的误判率较大.该文基于任务分解与模块整合的思想,提出了一个模块化Kohonen神经网络(KTD)结构用于模式分类,给出了其学习方法并做了模拟仿真,模拟仿真表明KTD能够获得较高的识别率且误判率较小.
在模式識彆中,通常直接用神經網絡來處理複雜的多類分類問題,其識彆的誤判率較大.該文基于任務分解與模塊整閤的思想,提齣瞭一箇模塊化Kohonen神經網絡(KTD)結構用于模式分類,給齣瞭其學習方法併做瞭模擬倣真,模擬倣真錶明KTD能夠穫得較高的識彆率且誤判率較小.
재모식식별중,통상직접용신경망락래처리복잡적다류분류문제,기식별적오판솔교대.해문기우임무분해여모괴정합적사상,제출료일개모괴화Kohonen신경망락(KTD)결구용우모식분류,급출료기학습방법병주료모의방진,모의방진표명KTD능구획득교고적식별솔차오판솔교소.