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编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第7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
李红兵,周志华,陈兆乾.混合型多概念获取算法的设计及其抗噪音能力.软件学报,1999,10(5):511-515
混合型多概念获取算法的设计及其抗噪音能力
Design and Noise Resistance Ability of Incremental Hybrid Multi-concepts Acquisition Algorithm
投稿时间:1998-04-14  修订日期:1998-06-22
DOI:
中文关键词:  混合模型,增量学习,神经网络,噪音处理.
英文关键词:Hybrid model, incremental learning, neural network, noise disposal.
基金项目:本文研究得到国家自然科学基金和江苏省自然科学基金资助.
作者单位
李红兵 南京大学计算机软件国家重点实验室,南京,210093 
周志华 南京大学计算机软件国家重点实验室,南京,210093 
陈兆乾 南京大学计算机软件国家重点实验室,南京,210093 
摘要点击次数: 2655
全文下载次数: 300
中文摘要:
      IHMCAP(incremental hybrid multi-concepts acquisit ion procedure)算法将基于概率论的符号学习与神经网络学习相结合,通过引入FTART(field theory-based adaptive resonance theory)神经网络,成功地解决了符号学习与神经网络 学习精度之间的均衡性问题,实现了两种不同思维层次的靠近.该算法采用一种独特的增量学 习机制,当增加新的实例时,只需进行一遍增量学习,调整原结构,不必重新生成判定树和神经 网络,即可提高学习精度,速度快,效率高.同时,这种增量学习机制还可以降低算法对噪音数 据的敏感度,从而使IHMCAP可以应用于实时在线学习任务.
英文摘要:
      IHMCAP (incremental hybrid multi-concepts acquisition) algorithm combines the p robability based symbolic learning with neural learning. The balance of learning accuracy between the symbolic and the neural parts are proportioned successfull y, and the two different levels of thought are aboard laid by adhibiting FTART ( field theory-based adaptive resonance theory) neural network. A unique incremen tal learning mechanism is employed with this algorithm, which can adjust the fo rmer structure to improve learning accuracy by learning once instead of rebuildi ng the decision tree and the neural networks when the new examples are provided. It has higher speed, and is efficient. Moreover, the noisy sensibility of the s ystem is depressed by the incremental learning mechanism, which enables IHMCAP c an be applied to the tasks that require real-time online learning.
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