基于高维空间划分的神经网络分类学习模型

• 作者: 张维明 赵侠 邓苏 陈文伟 黄宏斌 黄金才
• 来源期刊: 南京大学学报(自然科学版)
• 学科: 工学
• 关键词: 神经网络 非线性 CC模型
• 年，卷（期）: 2003,（2）
• 所属期刊栏目: "机器学习"专栏
• 页码范围: 194-204
• 页数: 11页
• 分类号: TP311
• 字数: 7781字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2003.02.008

摘要

基于高维空间划分的原理,提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法.从理论上证明基于CC模型的神经网络的容错性比MP网络要好,而且网络的隐层节点个数远远少于FP网络的隐层神经元个数,对于分类问题其计算复杂性仅为多项式(上界≤O(p2)),p为样本个数.该网络有明确的几何和物理意义,具有持续学习和噪声数据处理能力,适合大规模数据挖掘领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄宏斌	国防科技大学系统管理与科学系	40	291	10.0	14.0
2	邓苏	国防科技大学系统管理与科学系	84	872	16.0	25.0
3	张维明	国防科技大学系统管理与科学系	196	3077	26.0	48.0
4	陈文伟	国防科技大学系统管理与科学系	39	838	15.0	28.0
5	黄金才	国防科技大学系统管理与科学系	60	298	9.0	13.0
6	赵侠	国防科技大学数学系	10	61	5.0	7.0