检索结果-维普期刊中文期刊服务平台

构造型神经网络双交叉覆盖增量学习算法被引量：21: 1; 作者陶品张钹叶榛《软件学报》 EI CSCD 北大核心 2003年第2期194-201,共8页; 研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完... 展开更多; 关键词构造型神经网络双交叉覆盖增量学习算法人工神经网络模式识别; 在线阅读下载PDF 职称材料

构造性覆盖方法的增量学习算法被引量：3: 2; 作者张燕平杜玲赵姝《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2009年第5期699-704,共6页; 构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理... 展开更多; 关键词构造性机器学习方法覆盖算法佳点集增量学习; 在线阅读下载PDF 职称材料

覆盖学习的道路优化算法被引量：5: 3; 作者严晨李凡长《软件学报》 EI CSCD 北大核心 2015年第11期2781-2794,共14页; 在之前的研究中,已经针对李群多连通空间上具有不同类别特征的研究对象,提出了多连通覆盖学习算法,成功地将覆盖学习应用到多连通李群空间.主要针对多连通覆盖学习算法中连通道路的交叉问题,考虑在李群空间上寻找一条测地曲线,使得映射... 展开更多; 关键词覆盖学习多连通李群多连通覆盖学习算法道路优化道路交叉; 在线阅读下载PDF 职称材料

多李群覆盖学习优化算法被引量：1: 4; 作者吴鲁辉李凡长张莉《计算机科学》 CSCD 北大核心 2018年第1期108-112,共5页; 目前,已针对李群多连通空间上的道路交叉问题提出了多李群核覆盖学习算法,降低了道路交叉情况,使得分类正确率有了显著提高。但是,核学习算法的性能依赖于核函数的选择。考虑利用李群同态映射将原始李群样本映射到目标李群空间中,使在... 展开更多; 关键词李群覆盖学习道路交叉核学习算法; 在线阅读下载PDF 职称材料

题名构造型神经网络双交叉覆盖增量学习算法被引量：21: 1; 作者陶品张钹叶榛; 机构清华大学计算机科学与技术系清华大学智能技术与系统国家重点实验室; 出处《软件学报》 EI CSCD 北大核心 2003年第2期194-201,共8页; 基金国家自然科学基金国家重点基础研究发展规划(973)~~; 文摘研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,BiCA学习算法不但保留了CBCNN网络的优点与特点,而且实现了增量学习并提高了CBCNN网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感.; 关键词构造型神经网络双交叉覆盖增量学习算法人工神经网络模式识别; Keywords pattern recognition neural network machine learning cover incremental learning; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名构造性覆盖方法的增量学习算法被引量：3: 2; 作者张燕平杜玲赵姝; 机构安徽大学计算机科学与技术学院; 出处《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2009年第5期699-704,共6页; 基金 "973"计划(2004CB318108 2007CB311003) +4 种基金国家自然科学基金(60675031) 安徽大学人才队伍建设基金; 文摘构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理论求取覆盖中心,以改进覆盖算法.针对大规模或动态数据集的分类问题,将构造性覆盖方法与增量学习的思想相结合,提出了构造性覆盖方法的增量学习算法.该算法利用改进的覆盖算法作为基础学习器,通过连续地对新增样本进行测试而反复不断地提炼已有模型,体现了对样本的"渐近式"学习.对标准数据集的实验结果表明,这种增量学习算法是有效的.; 关键词构造性机器学习方法覆盖算法佳点集增量学习; Keywords structural machine learning method, covering algorithm, good-point-set, increment learning; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名覆盖学习的道路优化算法被引量：5: 3; 作者严晨李凡长; 机构苏州大学计算机科学与技术学院; 出处《软件学报》 EI CSCD 北大核心 2015年第11期2781-2794,共14页; 基金国家自然科学基金(61033013) 东吴学者计划(14317360); 文摘在之前的研究中,已经针对李群多连通空间上具有不同类别特征的研究对象,提出了多连通覆盖学习算法,成功地将覆盖学习应用到多连通李群空间.主要针对多连通覆盖学习算法中连通道路的交叉问题,考虑在李群空间上寻找一条测地曲线,使得映射后不同单连通空间上的道路的关联度最小化、同一单连通空间上的道路的关联度最大化,从而实现连通空间上类别判别性能的优化.首先回顾李群连通性质的相关知识;然后,简单介绍了多连通覆盖学习算法,并针对问题给出新的优化算法;最终,通过与经典覆盖学习算法、李群均值算法以及原始算法的比较实验,证明了该优化算法具有更好的分类性能.; 关键词覆盖学习多连通李群多连通覆盖学习算法道路优化道路交叉; Keywords covering learning multiply connected Lie group multiply connected covering learning algorithm path optimization road intersection; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名多李群覆盖学习优化算法被引量：1: 4; 作者吴鲁辉李凡长张莉; 机构苏州大学计算机科学与技术学院; 出处《计算机科学》 CSCD 北大核心 2018年第1期108-112,共5页; 文摘目前,已针对李群多连通空间上的道路交叉问题提出了多李群核覆盖学习算法,降低了道路交叉情况,使得分类正确率有了显著提高。但是,核学习算法的性能依赖于核函数的选择。考虑利用李群同态映射将原始李群样本映射到目标李群空间中,使在目标李群空间中不同单连通空间上的道路的关联度最小化,同一单连通空间上的道路的关联度最大化,从而减少道路交叉问题。; 关键词李群覆盖学习道路交叉核学习算法; Keywords Lie group Covering learning algorithm Road cross Kernel learning algorithm; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	构造型神经网络双交叉覆盖增量学习算法	陶品张钹叶榛	《软件学报》 EI CSCD 北大核心	2003	21	在线阅读下载PDF 职称材料
2	构造性覆盖方法的增量学习算法	张燕平杜玲赵姝	《南京大学学报（自然科学版）》 CAS CSCD 北大核心	2009	3	在线阅读下载PDF 职称材料
3	覆盖学习的道路优化算法	严晨李凡长	《软件学报》 EI CSCD 北大核心	2015	5	在线阅读下载PDF 职称材料
4	多李群覆盖学习优化算法	吴鲁辉李凡长张莉	《计算机科学》 CSCD 北大核心	2018	1	在线阅读下载PDF 职称材料