江苏省自然科学基金(BK2011371)
- 作品数:2 被引量:13H指数:2
- 相关作者:於东军于海瑛戚湧胡俊谌贻华更多>>
- 相关机构:南京理工大学更多>>
- 发文基金:江苏省自然科学基金江苏省产学研联合创新资金项目江苏省博士后科研资助计划项目更多>>
- 相关领域:自动化与计算机技术更多>>
- 融合自组织映射与Wang-Mendel方法的模糊规则提取被引量:7
- 2011年
- 为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案。利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则。因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间。有关混沌时间序列预测的实验结果表明了该文方法的有效性。
- 於东军谌贻华于海瑛
- 关键词:自组织映射模糊规则提取混沌时间序列
- 基于自组织映射与概率神经网络的增量式学习算法被引量:7
- 2013年
- 为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN)。使用模块化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN。IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整;最后,IMSOMPNN还具有较强的抗噪能力。在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性。
- 戚湧胡俊胡俊
- 关键词:自组织映射概率神经网络增量式学习