基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
该文提出了一种新的K-Winners-Take-All神经网络:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2).HS-K-WTA-2以竞争学习算法为基础.HS-K-WTA-2能够从任何一个数集中识别出K个较大的数,或K个较小的数.该文给出HS-K-WTA-2算法及算法复杂度的分析结果.用专门为研究K-WTA神经网络开发的仿真程序对HS-K-WTA-2、HS-K-WTA和Winstrons进行仿真研究.结果显示:当所取的数集N较大时,HS-K-WTA-2要比Winstrons和HS-K-WTA速度更快.HS-K-WTA-2的硬件实现比Winston的硬件实现要简单,比HS-K-WTA的硬件实现复杂.
推荐文章
一种高速神经网络HS-K-WTA的算法研究
神经网络
模式识别
模式分类
一种高速神经网络HS-K-WTA的研究
神经网络
竞争学习算法
高速算法
选择K个较大数
基于BP和WTA神经网络的滚动轴承故障诊断方法研究
BP
WTA
神经网络
滚动轴承
故障诊断
忆阻器
基于概率神经网络的高速公路事件检测
交通工程
高速公路
事件检测
概率神经网络
分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 高速神经网络HS-K-WTA-2的研究
来源期刊 南京理工大学学报(自然科学版) 学科 工学
关键词 神经网络 竞争学习算法 高速算法 选择K个较大数 K-WTA HS-K-WTA HS-K-WTA-2
年,卷(期) 2007,(1) 所属期刊栏目
研究方向 页码范围 89-91
页数 3页 分类号 TP18
字数 2171字 语种 中文
DOI 10.3969/j.issn.1005-9830.2007.01.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱红 2 4 2.0 2.0
2 陈清华 1 2 1.0 1.0
3 刘国岁 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (1)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (10)
二级引证文献  (23)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(1)
  • 二级参考文献(2)
1995(6)
  • 参考文献(1)
  • 二级参考文献(5)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(4)
  • 引证文献(0)
  • 二级引证文献(4)
2013(7)
  • 引证文献(0)
  • 二级引证文献(7)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
神经网络
竞争学习算法
高速算法
选择K个较大数
K-WTA
HS-K-WTA
HS-K-WTA-2
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京理工大学学报(自然科学版)
双月刊
1005-9830
32-1397/N
南京孝陵卫200号
chi
出版文献量(篇)
3510
总下载数(次)
7
总被引数(次)
33414
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导