期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
一种用于多类模式识别的综合感知器网络和学习算法
1
作者 易中凯 吴沧浦 《北京理工大学学报》 EI CAS CSCD 北大核心 2001年第4期459-463,共5页
提出一种由感知器神经元组合成的综合网络模型及相应的学习算法 .网络由 3层感知器神经元组成 ,中间层到输出层的权值相应地为 +1或 - 1.输入层到中间层的权值通过学习获得 ,且中间层每个神经元的权值单独学习完成 .该学习算法在有限次... 提出一种由感知器神经元组合成的综合网络模型及相应的学习算法 .网络由 3层感知器神经元组成 ,中间层到输出层的权值相应地为 +1或 - 1.输入层到中间层的权值通过学习获得 ,且中间层每个神经元的权值单独学习完成 .该学习算法在有限次迭代步骤内终止 .当算法终止时 ,对于可线性划分的多类模式识别问题总是能找到正确的解 .如果还有模式不能识别 ,则说明这是一个不可线性划分的多类模式识别问题 。 展开更多
关键词 感知器神经元 综合网络模 多类模式识别 增广模式向量 增广向量 学习算法
下载PDF
一种快速的单层感知器网络学习算法 被引量:3
2
作者 易中凯 吴沧浦 《计算机工程》 CAS CSCD 北大核心 2001年第12期43-45,共3页
提出了一种单层感知器网络训练的新算法。证明了对于线性可分问题和线性不可分问题,算法总是在有限步内终止,算法的迭代次数以模式数为上界;而且,在算法终止时,对于线性可分问题,总是能得到正确的权向量解,所以,如果在算法结束时还不能... 提出了一种单层感知器网络训练的新算法。证明了对于线性可分问题和线性不可分问题,算法总是在有限步内终止,算法的迭代次数以模式数为上界;而且,在算法终止时,对于线性可分问题,总是能得到正确的权向量解,所以,如果在算法结束时还不能划分所有模式,则说明给定的模式集确是不可线性划分的。 展开更多
关键词 单层感知器网络 增广模式向量 增广向量 学习算法 神经网络 模式识别
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部