慢速权值更新的ART2神经网络研究

• 作者: 叶晓明 林小竹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 自适应谐振理论 神经网络 模式漂移 分类
• 年，卷（期）: 2010,（24）
• 页码范围: 146-150
• 分类号: TP18
• 字数: 4821字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.24.044

摘要

ART2是基于自适应谐振理论的一种自组织神经网络,通过竞争学习和自稳机制原理实现分类,可以在非平稳的、有干扰的环境中进行无监督的自学习,其学习过程能迅速识别已学习过的样本,并能迅速适应未学习过的新对象.提出了一种基于慢速权值更新的ART2神经网络算法,该算法在对输入模式进行识别分类时,会减慢学习速率,降低模式漂移的速度.新的网络学习规则在分类实验中取得了较好的效果,并在一定程度上解决了模式漂移问题.

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	北京石油化工学院信息工程学院	54	628	13.0	22.0
2	叶晓明	北京石油化工学院信息工程学院	3	19	3.0	3.0