一种具有抗噪音能力的增量式混合学习算法

• 作者: 周志华 姜远 陈世福 陈兆乾
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 混合模型 增量学习 神经网络 噪音处理
• 年，卷（期）: 1999,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 675-680
• 分类号: TP18
• 语种: 中文

摘要

文中提出了一种具有抗噪音能力的增量式混合学习算法IHMCAP.该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神经网络,不仅实现了两种不同思维层次的靠近,还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.其独特的增量学习机制不仅使得它只需进行一遍增量学习即可完成对新增示例的学习,还使该算法具有较好的抗噪音能力,从而可以应用于实时在线学习任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈世福	南京大学计算机软件新技术国家重点实验室	169	4351	32.0	60.0
2	周志华	南京大学计算机软件新技术国家重点实验室	92	3105	30.0	55.0
3	陈兆乾	南京大学计算机软件新技术国家重点实验室	74	1789	23.0	40.0
4	姜远	南京大学计算机软件新技术国家重点实验室	24	288	7.0	16.0