模糊聚类神经网络的非对称学习算法

被引：5

作者：

何丕廉

侯越先

机构：

[1] 天津大学电子信息工程学院!天津,天津大学电子信息工程学院!天津

来源：

计算机研究与发展 | 2001年 / 03期

基金：

天津市自然科学基金;

关键词：

模糊聚类; 神经网络; 学习算法; 非对称; 初值敏感性;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

通过仿真和分析表明模糊聚类神经网络原有学习算法 FCNN的局限性 :如初值敏感性、吸引域不灵活和稳定点不合理等 ;指出造成上述局限的原因主要在于算法的对称性和权值向量的修正缺乏协同 .为此 ,通过在网络模型中引入层内反馈、在算法中引入加速项 ,消除了算法的对称性并使权值向量的修正具有一定的协同性 ;通过改进算法结构 ,消除了小尺度振荡现象并使算法的稳定点趋于合理 .计算机仿真结果表明改进后的非对称学习算法AFC可以有效克服原有算法的不足并具有较高的收敛速度

引用

页码：296 / 301

页数：6

共 7 条

[1]

Fuzzy mathematics in pattern classification[Ph D dissertation]. Bezdek J C. . 1973

[2]

Self Organization and Associative Memory. Kohonen T. . 1989

[3]

A fuzzy relative of ISODATA process and its use in detecting compact well separated clusters. Dunn J C. Journal of Cybernetics . 1974

[4]

Neural Networks System Design Methodology. Zhang D D. . 1996

[5]

Multilayer Perceptron, Fuzzy Sets, and Classification. Pal S K,Mitra S. IEEE ACM Transactions on Networking . 1992

[6]

Fuzzy clustering using fuzzy competitive learning networks.IEEE Int’ l Joint Conf on Neural Networks. Jou C C. Beijing Review . 1992

[7]

Capabilities of three-layered perceptrons. Irie B,Miyake S. In: Proc of the IEEE Int’ l Conf on Neural Network ( I ), San Diego, CA . 1988

← 1 →