基于自组织映射与概率神经网络的增量式学习算法

• 作者: 戚湧 於东军 胡俊
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 自组织映射 概率神经网络 增量式学习 机器学习
• 年，卷（期）: 2013,（1）
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391.41
• 字数: 3733字
• 语种: 中文

摘要

为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN).使用模决化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN.IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整；最后,IMSOMPNN还具有较强的抗噪能力.在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於东军	南京理工大学计算机科学与工程学院	64	503	15.0	19.0
5	戚湧	南京理工大学计算机科学与工程学院	134	1347	20.0	31.0
9	胡俊	南京理工大学计算机科学与工程学院	6	22	3.0	4.0