一种改进的ART型神经网络学习算法  

An Improved ART Neural Network Learning Algorithm

作　　者：杨兴[1] 朱大奇[1] 桑庆兵[2] 

机构地区：[1]江南大学控制科学与工程研究中心,江苏无锡214122 [2]江南大学信息工程学院,江苏无锡214122

出　　处：《计算机技术与发展》2006年第9期27-29,共3页Computer Technology and Development

基　　金：江苏省自然科学基金资助项目(BK2004021);教育部科学技术研究重点项目(105088)

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。The shortage of traditional ARTI neural network is indicated, and an improved calculating method of comparability is presented. The corresponding place value of two vectors is considered in this method. The method avoids the different result of ART1 neural network because of inputting different sequence. In order to solve pattern - drafting problem of ART1 neural network, the principle of minority subordinate to majority is proposed to reduce the appeared problem. They improve the applicative effect of ART1 neural network.

关 键 词：神经网络 自适应共振理论 模式分类 模式漂移 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]