| 无师General Fuzzy Min-Max人工神经网络 |
| |
| 引用本文： | 彭鹏菲,杨露菁,张青贵.无师General Fuzzy Min-Max人工神经网络[J].系统工程与电子技术,2004,26(10):1503-1505. |
| |
| 作者姓名： | 彭鹏菲 杨露菁 张青贵 |
| |
| 作者单位： | 海军工程大学信息与电气学院,湖北,武汉,430033 |
| |
| 摘 要： | 针对一般模糊极小极大(generalfuzzymin max,GFMM)神经网络不能够完全无师聚类和自适应在线学习的问题,提出了一种无师训练的一般模糊极小极大(generalfuzzymin max,GFMM)人工神经网络。它继承了GFMM网络的优点,可以输入n维模糊量,尤其是新增加了无师学习的功能,弥补了GFMM网络不能自适应在线学习新类的缺陷。实验测试结果与分析表明,该网络在自动目标识别的实际应用中具有广泛的适用性。
|
| 关 键 词： | 一般模糊极小极大神经网络 无师训练 自动目标识别 |
| 文章编号： | 1001-506X(2004)10-1503-03 |
| 修稿时间： | 2003年10月1日 |
Unsupervised general fuzzy min-max artificial neural network |
| |
| PENG Peng-fei,YANG Lu-jing,ZHANG Qing-gui.Unsupervised general fuzzy min-max artificial neural network[J].System Engineering and Electronics,2004,26(10):1503-1505. |
| |
| Authors: | PENG Peng-fei YANG Lu-jing ZHANG Qing-gui |
| |
| Abstract: | An unsupervised general fuzzy min-max(GFMM) artificial neural network is proposed. This network inherits the merit of the general fuzzy min-max network which uses the fuzzy input vectors. Because of the newly added unsupervised learning function, it counteracts the weakness which makes the general fuzzy min-max network be incapable of learning any new pattern class. The results and analyses of the experimental testing indicate that this network will find a wide application in the automatic target recognition in the future. |
| |
| Keywords: | general fuzzy min-max neural network unsupervised training automatic target recognition |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
