逻辑神经网络非线性可分性的实现  

Implementation of Nonlinear Separability for Logic Neural Nets

作　　者：陈松灿[1] 杨国庆[1] 

机构地区：[1]南京航空航天大学计算机科学与工程系

出　　处：《南京航空航天大学学报》1995年第1期126-129,共4页Journal of Nanjing University of Aeronautics & Astronautics

基　　金：863项目的资助

摘　　要：１９８５年，Ａｌｅｋｓａｎｄｅｒ领导的小组所实现的逻辑神经网络（ＬＮＮ）成功地应用于脸谱实时识别。由于ＬＮＮ无需学习算法，硬件可实现实时识别能力，在英国颇受工业界重视。然而，ＬＮＮ存在一个缺陷就是在大模式划分成小的子模式后会造成ＬＮＮ非线性能力下降甚至消失。针对上述问题，提出了一种在ＬＮＮ中实现非线性可分性的方法。In 1985,the logic neural network(LNN)implemented by Aleksander heading the research group was applied to real-time face recognition and industrial part test successfully,LNN got great emphasis from the U. K. industry for its simplified learning process, its hardware implementability and real-time recognition ability. But its drawback is that its nonlinear separable ability tends to diminish when large input patterns are divided into small subpatterns. In this paper, the authors propose a method to overcome the drawback of LNN.

关 键 词：神经网络 模式识别 非线性可分性 图象识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] O235[自动化与计算机技术—计算机科学与技术]