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:
为了更好地模拟人脑对事物的学习、认知过程,笔者提出了模式神经元网络的聚类规则和方法,从而完善了这种新型的神经网络模型.与现有的人工神经网络不同,模式神经元网络不需要反复迭代就能达到学习、识别、分类的效果.实验结果表明:与自适应共振理论相比,模式神经元网络的学习效率快,识别精度高,分类效果也比较好.
推荐文章
神经元网络的FPGA硬件仿真方法
现场可编程门阵列
流水线
生物神经元网络
基于小波神经元网络模型的网损预测方法研究
小波神经元网络
电力系统
有功网损
预测
神经元网络语音增强方法及DSP实现
语音增强
自适应噪声抵消
交叉串扰
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 模式神经元网络的聚类方法研究
来源期刊 北京石油化工学院学报 学科 工学
关键词 人工神经网络 模式神经元 聚类 阈值
年,卷(期) 2009,(4) 所属期刊栏目
研究方向 页码范围 13-16
页数 4页 分类号 TP383
字数 3715字 语种 中文
DOI 10.3969/j.issn.1008-2565.2009.04.003
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 林小竹 54 628 13.0 22.0
2 周晓正 18 87 5.0 9.0
3 代小娟 北京化工大学信息技术学院 3 16 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (17)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (8)
二级引证文献  (7)
1987(3)
  • 参考文献(1)
  • 二级参考文献(2)
1988(3)
  • 参考文献(1)
  • 二级参考文献(2)
1990(3)
  • 参考文献(1)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
人工神经网络
模式神经元
聚类
阈值
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
北京石油化工学院学报
季刊
1008-2565
11-3981/TE
大16开
大兴清源北路19号北京石油化工学院内综合楼416室
1993
chi
出版文献量(篇)
1189
总下载数(次)
5
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导