-
题名基于梯度的并行协作模块化神经网络体系结构
被引量：4
- 1
-
-
作者
凌卫新
郑启伦
陈琼
-
机构
华南理工大学应用数学系
华南理工大学计算机科学与工程学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2004年第9期1256-1263,共8页
-
基金
国家自然科学基金 (697830 0 8)
国家博士点基金 (980 561 1 7)
+1 种基金
广东省自然科学基金 (990 582 )
华南理工大学自然科学基金资助
-
文摘
该文提出了一种基于梯度的并行协作模块化神经网络的体系结构 (GPCMNN) .它通过分解模块 ,根据梯度方法对学习样本空间自动分解 ,由子空间识别模块和子任务模块实现各子样本空间的识别和学习 ,集成模块将子样本空间结果集成得系统的输出 ,实现了复杂任务的自动分解、判定和模块化训练策略 .实验表明 ,该文提出的GPCMNN体系结构是可行的、有效的 ;与非模块化神经网络技术相比 ,提高了训练速度 ,改善了网络性能 .它具有高效并行的运行效率、便于硬件实现等特点 ,同时又保持了PCMNN[7] 算法的优点 ,改进了它的不足 .
-
关键词
模块化神经网络
梯度
任务分解
多模块判定
-
Keywords
Learning algorithms
Learning systems
Parallel algorithms
Pattern matching
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
