在可生长结构网络(Growing When Required Network,简称GWRN)的基础上,提出了有监督可生长结构网络(Supervised Growing When Required Network,简称SGWRN)模型。该模型引入线性输出层,将GWRN与径向基函数结合,构成有监督自组织神经网...在可生长结构网络(Growing When Required Network,简称GWRN)的基础上,提出了有监督可生长结构网络(Supervised Growing When Required Network,简称SGWRN)模型。该模型引入线性输出层,将GWRN与径向基函数结合,构成有监督自组织神经网络学习模型。该模型能快速生长,可广泛用于监督学习。倒立摆平衡控制仿真实验结果表明该模型有效。展开更多
文摘本文结合近年生物学中神经科学的发展,针对神经胶质细胞对生物神经元网络的生长提供能量支持的特性,将神经胶质细胞的能量模型引入到人工神经元的概念模型中,提出了能量人工神经元(Energy artificial neuron,EAN)的概念模型,并给出了数学表述.同时,在能量人工神经元模型的基础上,实现了一种新型自生长、自组织人工神经元网络(EANbased self-growing and self-organizing neural network,ESGSONN),ESGSONN将神经元中的能量、网络的熵增量及样本与神经元权值的相似度的竞争作为生长的条件,并对最优生长点中的获胜神经元进行单位步长调整.ESGSONN实现了快速生长、精确的样本数据分布密度保持、死神经元少的特性.本文使用经典的16种动物实验(Ritter and Kohonen,1989)验证了ESGSONN的正确性,并通过同SOFM、GCS等自组织网络的对比实验验证ESGSONN网络的特性.最后,本文对ESGSONN在高维空间中的本质进行了讨论.
文摘在可生长结构网络(Growing When Required Network,简称GWRN)的基础上,提出了有监督可生长结构网络(Supervised Growing When Required Network,简称SGWRN)模型。该模型引入线性输出层,将GWRN与径向基函数结合,构成有监督自组织神经网络学习模型。该模型能快速生长,可广泛用于监督学习。倒立摆平衡控制仿真实验结果表明该模型有效。