主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
朱大铭,马绍汉.二进制神经网络分类问题的几何学习算法.软件学报,1997,8(8):622-629
二进制神经网络分类问题的几何学习算法
A GEOMETRICAL LEARNING ALGORITHM OF BINARY NEURAL NETWORKS FOR CLASSIFICATION
  修订日期:1996-09-17
DOI:
中文关键词:  神经网络  算法  收敛  训练  几何
英文关键词:Neural networks  algorithm  convergence  training  geometry
基金项目:本文研究得到国家自然科学基金、国家863高科技项目基金和山东省自然科学基金资助.
作者单位
朱大铭 山东大学计算机系,济南250100
中国科学院计算技术研究所,北京,100080 
马绍汉 山东大学计算机系,济南250100
中国科学院计算技术研究所,北京,100080 
摘要点击次数: 3250
全文下载次数: 3634
中文摘要:
      分类问题在前向神经网络研究中占有重要位置.本文利用几何方法给出一个二进制神经网络K(≥2)分类问题的新学习算法.算法通过训练点的几何位置与类别分析,建立一个四层前向神经网络,实现网络输入向量分类.本文算法的优点在于:保证学习收敛且收敛速度快于BP算法及已有的其他一些前向网络学习算法;算法可以确定神经网络的结构且能实现精确的向量分类.另外,算法所建神经网络由线性阀值单元组成,神经元突触权值和阀值均为整数,特别适合于集成电路实现.
英文摘要:
      Binary to binary mapping for classification plays an important role in the researches on feed-forward-neural-network learning.In this paper,the geometrical method is employed to work out a new algorithm to train binary neural networks for classification.By analysis of every training vertex's geometrical location,the algorithm alwavs produces a neural network of four layers for a certain classification problem.The advantages of this algorithm are:it runs with guaranteed convergence and goes to converge much more quickly than BP and some other algorithms;it can determine the structure of the neural networks by learning SO that a precise classification is carried out.In addition,every neuron generated by the algorithm employs a hard-limit activation func-tion with integer synaptic weights,which makes the actual implementation by VLSI tech-nology more facilitated.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利