模块化神经网络的系统结构和学习算法

被引：8

作者：

凌卫新

郑启伦

陈琼

机构：

[1] 华南理工大学应用数学系

[2] 华南理工大学电子与信息学院计算机系

[3] 华南理工大学电子与信息学院计算机系广州

[4] 广州

来源：

计算机工程与应用 | 2001年 / 19期

基金：

广东省自然科学基金;

关键词：

模块化结构; 神经网络; 学习算法; 分解判定;

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：

提出了一种基于模块化的神经网络的系统结构和学习算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略。一般函数逼近和三维墨西哥草帽等2个实现表明,该文提出的结构和算法是可行的、有效的;与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有并行性高、通用性强、对新增样本易于学习、便于硬件实现等特点。

引用

页码：13 / 15+72 +72

页数：4