期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
高速神经网络HS-K-WTA-2的研究 被引量:1
1
作者 朱红 陈清华 刘国岁 《南京理工大学学报》 EI CAS CSCD 北大核心 2007年第1期89-91,共3页
该文提出了一种新的K-Winners-Take-All神经网络:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2)。HS-K-WTA-2以竞争学习算法为基础。HS-K-WTA-2能够从任何一个数集中识别出K个较大的数,或K个较小的数。该文给出HS-K-WTA-2算法及算法复... 该文提出了一种新的K-Winners-Take-All神经网络:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2)。HS-K-WTA-2以竞争学习算法为基础。HS-K-WTA-2能够从任何一个数集中识别出K个较大的数,或K个较小的数。该文给出HS-K-WTA-2算法及算法复杂度的分析结果。用专门为研究K-WTA神经网络开发的仿真程序对HS-K-WTA-2、HS-K-WTA和Winstrons进行仿真研究。结果显示:当所取的数集N较大时,HS-K-WTA-2要比Winstrons和HS-K-WTA速度更快。HS-K-WTA-2的硬件实现比Winston的硬件实现要简单,比HS-K-WTA的硬件实现复杂。 展开更多
关键词 神经网络 竞争学习算法 高速算法 选择K个较大数 K—WTA HS-k-wta HS-k-wta-2
下载PDF
一种高速神经网络HS-K-WTA的研究 被引量:2
2
作者 朱红 陈清华 刘国岁 《电子学报》 EI CAS CSCD 北大核心 2002年第7期1020-1022,共3页
本文提出一种新的K Winners Take All神经网络 :High Speed K Winners Take All(HS K WTA) .HS K WTA是以竞争学习算法为基础 .HS K WTA能够从任何一个数集中 ,识别出K个较大的数 ,或较小的数 .本文给出HS K WTA算法及算法复杂性的分析... 本文提出一种新的K Winners Take All神经网络 :High Speed K Winners Take All(HS K WTA) .HS K WTA是以竞争学习算法为基础 .HS K WTA能够从任何一个数集中 ,识别出K个较大的数 ,或较小的数 .本文给出HS K WTA算法及算法复杂性的分析结果 .结果显示HS K WTA要比Winstrons更好 ,更容易硬件实现 ,更稳定 ,尤其所取的数集中的数较大时 . 展开更多
关键词 HS-k-wta 神经网络 竞争学习算法 高速算法 选择K个较大数
下载PDF
基于k-WTA的对抗样本防御模型研究 被引量:1
3
作者 吴倩 曹春杰 《海南大学学报(自然科学版)》 CAS 2021年第4期340-348,共9页
为提高图像分类神经网络的鲁棒性,提出一种基于k-WTA的对抗样本防御模型Att-k-DefGAN.模型在Rob-GAN的基础上做出改进,并利用k-WTA激活函数的不连续性与模型训练中的对抗攻击预处理形成对抗,进一步提高分类神经网络的鲁棒性.实验结果表... 为提高图像分类神经网络的鲁棒性,提出一种基于k-WTA的对抗样本防御模型Att-k-DefGAN.模型在Rob-GAN的基础上做出改进,并利用k-WTA激活函数的不连续性与模型训练中的对抗攻击预处理形成对抗,进一步提高分类神经网络的鲁棒性.实验结果表明,在CIFAR-10数据集和ImageNet子集上,Att-k-DefGAN训练得到的分类器鲁棒性要优于Rob-GAN和对抗训练方法.通过对比有无k-WTA激活函数的模型在不同强度攻击方法(PGD,MI-FGSM)下的分类准确度,证明k-WTA可以有效提高模型对梯度攻击的防御能力. 展开更多
关键词 深度神经网络 图像分类 k-wta 生成对抗网络 对抗训练 对抗攻击 防御模型
下载PDF
基于类型2区间模糊K近邻分类器的动态武器-目标分配方法研究 被引量:15
4
作者 王邑 孙金标 +1 位作者 肖明清 罗继勋 《系统工程与电子技术》 EI CSCD 北大核心 2016年第6期1314-1319,共6页
动态武器-目标分配问题是战场指挥控制决策中的关键问题。由于动态武器-目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器-目标分配,从已知的决策中推... 动态武器-目标分配问题是战场指挥控制决策中的关键问题。由于动态武器-目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器-目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器-目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。 展开更多
关键词 战术决策 武器-目标分配 类型2区间模糊K近邻分类器 机器学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部