基于RB F神经网络的集成增量学习算法

• 作者: 彭玉青 赵翠翠 高晴晴
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: RBF SOM 增量学习
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 算法
• 页码范围: 246-250
• 页数: 5页
• 分类号: TP183
• 字数: 6692字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.06.059

摘要

针对增量学习的遗忘性问题和集成增量学习的网络增长过快问题，提出基于径向基神经网络（RBF）的集成增量学习方法。为了避免网络的遗忘性，每次学习新类别知识时都训练一个RBF神经网络，把新训练的RBF神经网络加入到集成系统中，从而组建成一个大的神经网络系统。分别采用最近中心法、最大概率法、最近中心与最大概率相结合的方法进行确定获胜子网络，最终结果由获胜子网络进行输出。在最大概率法中引入自组织映（SOM）的原型向量来解决类中心相近问题。为了验证网络的增量学习，用UCI机器学习库中Statlog（Landsat Satellite）数据集做实验，结果显示该网络在学习新类别知识后，既获得了新类别的知识也没有遗忘已学知识。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭玉青	河北工业大学计算机科学与软件学院	33	309	9.0	17.0
2	高晴晴	河北工业大学计算机科学与软件学院	4	43	4.0	4.0
3	赵翠翠	河北工业大学计算机科学与软件学院	1	4	1.0	1.0