人工神经网络典型模型的比较研究

人工神经网络是近年来发展起来的一门新兴学科,具有较高的研究价值。介绍了人工神经网络的基本概念,针对人工神经网络在不同的应用领域如何选取问题,对感知器、BP网络、Hopfield网络和ART网络四种人工神经网络模型在优缺点、有无教师方式、学习规则、正反向传播、应用领域等方面进行了比较研究。可利用其特点有针对性地将人工神经网络应用于计算机视觉、图像处理、模式识别、信号处理、智能监控、机器人等不同领域。

基于BP网络的异或运算多阈值神经元的实现

由于单层感知器功能有所限制,文章给出了基于BP神经网络的(多层感知器)异或运算的网络结构图,进而在此基础上设计了一个实现异或运算的多阈值神经元。这样的神经元电路具有速度快效率高的特征,还可以很大程度的降低硬件开销。

基于粗糙集和感知器的模式分类方法

基于粗糙集相容关系给出了一个模式分类算法。先通过感知器神经网络训练属性相容权值和相容阈值,再由相容关系确定每个样本的上下近似,通过引入一个用于决策的粗糙隶属函数,给出了分类算法。最后,对IR IS数据集的实验结果表明本算法是有效的。