基于超立方体覆盖的构造性网络学习算法 |
| |
引用本文: | 谌卫军,林福宗,李建民,张钹.基于超立方体覆盖的构造性网络学习算法[J].清华大学学报(自然科学版),2003,43(1):97-100. |
| |
作者姓名: | 谌卫军 林福宗 李建民 张钹 |
| |
作者单位: | 清华大学,计算机科学与技术系,智能技术与系统国家重点实验室,北京,100084 |
| |
基金项目: | 国家自然科学基金重点资助项目(60135010),国家"九七三"重点基础研究资助项目(G1998030509) |
| |
摘 要: | 该文提出了一种基于超立方体覆盖的构造性神经网络学习算法,以解决二值型输入变量的K分类问题。该算法分两步来动态地构造一个三层前馈网络。首先,对于每一类的所有训练样本,用尽可能少的超立方体来覆盖它们,并为每一个超立方体构造一个隐层单元;其次,用"或"操作把这些隐单元连接到相应的输出单元上。文章给出了相应的理论分析和一个具体的实现。实验结果表明,该算法优于常用的一些归纳学习算法。
|
关 键 词: | 人工神经网络 构造法 超立方体覆盖 |
文章编号: | 1000-0054(2003)01-0097-04 |
修稿时间: | 2001年11月29 |
Constructive training algorithm based on hypercube covering |
| |
Abstract: | |
| |
Keywords: | artificial neural networks constructive algorithm hypercube covering |
本文献已被 CNKI 万方数据 等数据库收录! |
|