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
周志华,陈兆乾,陈世福.基于域理论的自适应谐振神经网络分类器.软件学报,2000,11(5):667-672
基于域理论的自适应谐振神经网络分类器
Field Theory Based Adaptive Resonance Neural Network Classifier
投稿时间:1999-01-11  修订日期:1999-05-24
DOI:
中文关键词:  神经网络,机器学习,竞争学习,分类,自适应谐振理论,域理论.
英文关键词:Neural network, machine learning, competitive learning, classification, adaptive resonance theory, field theory.
基金项目:文本研究得到国家自然科学基金(No.69875006)和江苏省自然科学基金(No.BK9036)资助.
作者单位
周志华 南京大学计算机软件新技术国家重点实验室,南京,210093 
陈兆乾 南京大学计算机软件新技术国家重点实验室,南京,210093 
陈世福 南京大学计算机软件新技术国家重点实验室,南京,210093 
摘要点击次数: 3183
全文下载次数: 2924
中文摘要:
      提出了一种基于域理论的自适应谐振神经网络模型FTART2(field theory based adaptive resonance theory 2).该模型结合了自适应谐振理论和域理论的优点,学习速度快,归纳能力强,效率高,可以根据输入样本自适应地调整拓扑结构,克服了前馈型网络需要人为设置隐层神经元的缺点.基准测试表明,FTART2在学习精度和速度上都远远优于标准BP算法.
英文摘要:
      A field theory based adaptive resonance neural network model, FTART2, is proposed in this paper. FTART2 combines the advantages of the adaptive resonance theory and the field theory, and achieves fast learning, strong generality and high efficiency. Moreover, FTART2 can adaptively adjust its network topology so that the disadvantage of manually configuring hidden neurons of traditional feed-forward networks is avoided. Benchmark tests show that FTART2 achieves higher accuracy and faster speed than standard BP.
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