基于奖惩学习算法的序参量重构方法

分析了协同方法中序参量在模式识别过程中存在的不合理因素 ,阐述了经过序参量重构的协同方法能够有效地克服这些不合理因素 ,从而提高模式识别性能 .为了获得序参量重构参数 ,提出了基于奖惩学习算法的重构参数的搜索算法 ,该算法结合协同神经网络的自学习能力和奖惩学习算法的搜索能力来训练序参量重构参数 .利用从实际应用中得到的样本对新算法进行的测试表明 ,新算法确实能找到一组序参量重构参数使识别性能得到较大提高 ,具有很好的实用性 .另外 ,还讨论了奖惩学习算法中参数 δ对新算法的训练性能的影响 ,以期指导参数 δ的选取 。

品行障碍青少年的执行功能、情绪加工和奖惩学习的脑功能成像研究

品行障碍是青少年期出现的一种持续品行不端的行为模式。文中探讨了品行障碍青少年在执行功能、情绪加工和奖惩学习等社会认知脑功能成像方面的研究。品行障碍青少年在前额叶、杏仁核等脑功能上存在问题,这可能阻碍了其正常的社会化进程。未来研究需进一步考察品行障碍的类型以及并发障碍对患者社会认知神经机制的可能影响,并整合基因、神经机制、认知等层面分析品行障碍青少年的社会认知神经机制及其与问题行为的关系。

基于Kohonen神经网络的遥感影像监督分类

作为一种自组织网络,Kohonen神经网络在遥感影像聚类中得到了广泛的应用。但Kohonen算法具有初始权值随机化、学习率和邻域难以确定等缺陷,并且作为一种聚类算法,难以直接进行监督分类。对Kohonen非监督学习算法进行改进,用最大最小距离法确定初始权值,利用权值误差作为网络训练收敛条件,并将Kohonen算法与奖惩学习结合起来,进行遥感监督分类。最后,选取安徽省寿县附近区域作为实验区,利用环境一号卫星影像(HJ-1B/CCD)进行了分类实验,其总精度为89.48%,Kappa系数为0.87。实验结果表明,改进的Kohonen神经网络遥感监督分类算法,其分类精度优于经典的最大似然法,取得了较为理想的分类结果。