均衡竞争神经元获胜机会的方法

• 作者: 冯乃勤 南书坡 董亚杰 郭战杰
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 竞争 学习矢量量化 死点 训练误差 阈值
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 971-973
• 页数: 3页
• 分类号: TP183
• 字数: 2466字
• 语种: 中文

摘要

竞争型神经网络存在"死点"问题,某些神经元在竞争中可能始终未能获胜而成为"死神经元",不仅造成神经元的浪费,而且造成训练误差偏大,无法达到训练误差的精度要求,不能很好完成它所担负的聚类或分类任务.针对该问题,研究竞争型神经网络的切入点,深入探讨了LVQ神经网络并且通过引入阈值学习规则,均衡神经元获胜的机会,较好地解决了该类网络在遇到"死"点时训练误差偏大的问题,仿真实验结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯乃勤	河南师范大学计算机与信息技术学院	48	422	11.0	19.0
2	南书坡	河南师范大学计算机与信息技术学院	23	38	3.0	5.0
3	郭战杰	河南师范大学计算机与信息技术学院	3	18	2.0	3.0
4	董亚杰	河南师范大学计算机与信息技术学院	6	11	2.0	3.0