文献搜索-钛学术文献服务平台

1.【期刊】ART2网络的学习速率调整及其影响

作者：谌海霞

刊名：微电子学与计算机

发表时间：2008-09-01

摘要:

首先讨论了ART2网络的常用学习规则,指出快速学习方式中隐式蕴含了在其他神经网络中常提到的学习速率,并给出了调整这种隐式学习速率的方法.通过实例说明了学习速率调整对模式漂移现象的抑制作用,并对比了不同学习速率对Iris数据集分类的影响.

ART2网络快速学习学习速率模式漂移

下载 0

被引 0

 获取原文

2.【期刊】用改进的ART-2网络建立移动机器人环境模型的研究

作者：王挺王越超

刊名：机器人

发表时间：2004-02-01

摘要:

本文应用自适应共振理论中ART-2神经网络进行移动机器人环境障碍模式识别.ART-2神经网络在处理单方向渐变的模式输入时具有模式漂移的特点,机器人在静态环境中运动依赖这种特点,但在动态环境中模式漂移的特点却会对机器人的安全造成威胁.为此,设计了一种改进的ART-2神经网络,使得移动机器人同时适应在静态和动态环境中安全运动.

ART-2 模式漂移移动机器人环境模型

下载 0

被引 0

 获取原文

3.【期刊】一种基于ART2神经网络的算法改进

作者：叶青胡鑫郭庚山

刊名：现代电子技术

发表时间：2014-07-01

摘要:

针对传统的ART2神经网络中对于主观设置的警戒参数以及识别分类过程中产生模式漂移的问题，提出基于改进算法的ART2神经网络模型，用于解决分析模式识别问题。通过自组织，加权，迭代等过程推导合理的警戒参数用于聚类运算，通过对ART2神经网络的权值训练方面进行修正，减缓学习速率，降低模式漂移速度，近一步对聚类对象进行合理分类。实验结果证明，该方法是可行的和有效的。

ATR2神经网络警戒值模式漂移模式识别

下载 0

被引 0

 获取原文

4.【期刊】ART2神经网络学习算法的改进

作者：谭海燕龙军

刊名：科技与创新

发表时间：2010-03-01

摘要:

自适应共振(ART)神经网络具有无监督学习功能,能对时序信号进行实时学习、实时处理,能对已学习过的样本作出快速响应,自动识别等优点,尤其以ART2网络更具有实用性.但是传统的ART2网络存在幅度信息丢失和模式漂移等现象,针对这一情况,本文把模式漂移的方向作为一个因素进行考虑,通过设置漂移上限系数.引入栈结构对模式漂移的相反方向相互抵消.同一方向累加的方法有效限制了模式的飘移,对各改进算法进行比较体现本文算法的优越性.

自适应共振模式漂移飘移上限系数栈结构

下载 0

被引 0

 获取原文

5.【期刊】基于神经网络的电力负荷不良数据的清洗

作者：熊文贤葛良全顾民

刊名：科技与创新

发表时间：2007-10-01

摘要:

电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数据进行修正.由于ART2网络能够动态调整特征曲线以及支持向量数据描述法快速准确性,使得该清洗模型具有对不良数据进行动态清洗的功能,实例分析说明了该模型的高效性.

不良数据清洗 ART2网络模式漂移支持向量数据描述法

下载 0

被引 0

 获取原文

6.【期刊】慢速权值更新的ART2神经网络研究

作者：叶晓明林小竹

刊名：计算机工程与应用

发表时间：2010-01-01

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.

自适应谐振理论神经网络模式漂移分类

下载 0

被引 6

7.【期刊】ART-2神经网络的改进及建模实现

作者：丛爽郑毅松王怡雯

刊名：计算机工程与应用

发表时间：2002-03-01

摘要:

指出了传统的ART-2神经网络对渐变过程不敏感的局限性,提出了一种新的改进算法.并对ART-2网络进行建模,通过与其它建模方法的对比,详尽讨论了ART-2的建模方法及特点.最后通过应用改进算法解决了原先模型中的"模式漂移"现象,使模型性能得到了明显的改善.

模式识别神经网络系统建模 ART-2 模式漂移串并联模型

下载 0

被引 27

8.【期刊】一种改进的ART型神经网络学习算法

作者：杨兴朱大奇桑庆兵

刊名：计算机技术与发展

发表时间：2006-09-01

摘要:

指出常规ART1型神经网络的不足,提出了一种改进的相似度计算方法.它同时考虑两向量对应位子值,避免了ART1网络中两个向量由于输入顺序的不同而得到不同的相似度的结果;针对ART1网络模式识别的漂移问题,提出了少数服从多数原则来减少这种问题的出现.改进了ART1型神经网络的应用效果.

神经网络自适应共振理论模式分类模式漂移

下载 0

被引 6

9.【期刊】基于ART2神经网络算法改进的研究

作者：吕秀江王鹏翔王德元

刊名：计算机技术与发展

发表时间：2009-05-01

摘要:

ART2神经网络是按照自适应谐振理论建立的一种自组织、无监督的人工神经网络.通过分析经典自适应谐振神经网络聚类过程,针对传统ART2神经网络模型对分类的不确定性和网络权值模式漂移等不足,提出了基于算法改进的ART2神经网络模型.最后对改进的ART2神经网络进行了仿真,并与经典神经网络所做仿真的结果比较,验证了改进的ART2神经网络结构大大提高了分类的正确率,有效改善了模式漂移现象.降低了空间存储消耗.

ART2神经网络模式漂移分类

下载 0

被引 6

10.【期刊】一种基于ART2神经网络的算法改进

作者：胡鑫叶青郭庚山

刊名：现代电子技术

发表时间：2014-07-01

摘要:

针对传统的ART2神经网络中对于主观设置的警戒参数以及识别分类过程中产生模式漂移的问题，提出基于改进算法的ART2神经网络模型，用于解决分析模式识别问题。通过自组织，加权，迭代等过程推导合理的警戒参数用于聚类运算，通过对ART2神经网络的权值训练方面进行修正，减缓学习速率，降低模式漂移速度，近一步对聚类对象进行合理分类。实验结果证明，该方法是可行的和有效的。

ATR2神经网络警戒值模式漂移模式识别

下载 0

被引 4

文献类型

学科分类

核心收录

年份

来源