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]
题名 一种新的基于构造型神经网络分类算法
被引量：14
2
作者
黄国宏 熊志化 邵惠鹤
机构
上海交通大学自动化研究所
出处
《计算机学报》
EI
CSCD
北大核心
2005年第9期1519-1523,共5页
基金
国家"八六三"高技术研究发展计划项目基金(2001AA413130)资助
文摘
该文提出一种基于构造型神经网络的最大密度覆盖分类算法,该算法直接从样本数据本身入手,通过引入一个密度估计函数对样本数据进行聚类分析,找出同类样本中具有最大密度的样本数据点,然后在特征空间里作超平面与球面相交,得到一个球面领域覆盖,从而将神经网络训练问题转化为点集覆盖问题.该算法有效地克服了传统神经网络训练时间长、学习复杂的问题,同时也考虑了神经网络规模的优化问题,实验证明了该算法的有效性.
关键词
模式识别 神经网络 最大密度覆盖 M—P神经 元 构造型神经网络
Keywords
pattern recognition neural networks maximum density covering M-P neuron constructive neural networks
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于仿生模式识别的构造型神经网络分类方法
被引量：10
3
作者
王宪保 周德龙 王守觉
机构
浙江工业大学信息工程学院 浙江工业大学智能信息系统研究所
出处
《计算机学报》
EI
CSCD
北大核心
2007年第12期2109-2114,共6页
基金
国家自然科学基金(60572077)资助~~
文摘
提出了一种基于仿生模式识别理论的神经网络构造方法.仿生模式理论认为:"同类而不完全相等的事物之间,必至少存在一个渐变过程,在这个渐变过程中间的各事物都是属于同一类的".利用这一理论,从不同结构神经元模型在高维空间中的几何意义出发,通过对一种新型的神经网络的构造,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖,从而达到分类的目的.通过双螺旋曲线的分类实验,证明了这种神经网络具有很好的识别效果.
关键词
模式识别 神经 元神经网络 构造型神经网络 几何体覆盖 高维空间
Keywords
pattern recognition neuron neural networks constructive neuron networks geometrical distribution high dimensional space
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种加权的构造型神经网络覆盖算法设计与实现
被引量：3
4
作者
张旻 张铃 程家兴
机构
解放军电子工程学院
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2005年第2期36-38,共3页
基金
国家自然科学基金资助项目(60175018) 国家自然科学基金对外合作项目资助(60111120662)
文摘
在分析覆盖算法的基础上提出了一种加权的覆盖领域算法,在构造神经网络覆盖领域时,充分利用了样本在球形领域间的分布位置特性及分布概率特性,做到真正意义上利用样本特征来构造覆盖神经网络,给出加权覆盖算法的构造方法及步骤,并通过实例进行了验证。
关键词
覆盖算法 构造型神经网络 加权 验证 领域 设计 球形 构造 方法样本 步骤
Keywords
Neural networks Covering algorithm Weight coefficient
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于仿生模式识别的构造型神经网络分类方法
被引量：2
5
作者
陈启买 周海晴
机构
华南师范大学计算机学院
出处
《计算机应用研究》
CSCD
北大核心
2009年第9期3314-3317,共4页
基金
广东省科技计划资助项目(2009B010800036)
文摘
从BP神经元模型和RBF神经元模型几何意义出发,将仿生模式识别理论引入到神经网络分类中,提出了一种基于仿生模式识别的构造型神经网络分类方法,通过构造不同结构神经元结合的神经网络,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖。实验证明该算法是非常有效的。
关键词
仿生模式识别 神经 元构造型神经网络 高维空间 分类
Keywords
bionic pattern recognition neuron constructive neural networks high dimensional classification
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 可继续学习的构造型神经网络构造算法
6
作者
陶品 张钹 叶榛
机构
清华大学计算机系智能技术与系统国家重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2002年第8期10-12,169,共4页
基金
国家自然科学重点基金资助(编号:60135010)
文摘
构造型神经网络模型通过将样本映射到单位超球面上并用覆盖方法进行识别,具有计算速度快、识别率高、几何意义明显等优点。但是常用的基于交叉覆盖的方法在首次构造完成后,难以再继续进行修改和加强,从而阻碍了网络的再学习能力。文章提出了该构造型神经网络的一种双交叉覆盖方法,一方面吸收了原交叉覆盖的优点,一方面提供了良好的再学习能力。通过实验验证,该方法可以较好地运用到构造型神经网络的增量学习中。
关键词
构造型神经网络 构造 算法可继续学习 增量学习
Keywords
neural network,incremental learning,alternative cover
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 构造型神经网络在故障诊断中的应用研究
7
作者
喻晓莉 黎泽伦 倪彦
机构
重庆科技学院机械工程学院 中国重庆电信公司
出处
《计算机工程与应用》
CSCD
2012年第14期231-234,共4页
基金
重庆市教委基金(No.101412)
文摘
提出一种新的故障诊断方法,以便更加有效地解决具有先验知识的故障分类问题。以先验样本点为中心,利用内积判断样本数据的相似度,从而进行聚类分析,在特征空间里作超平面与球面相交,得到一个球面覆盖领域,从而将神经网络训练问题转化为点集的覆盖问题。该算法以构造型神经网络为基础,其特点是直接对故障样本数据进行处理,由于覆盖中心确定,该算法构造出的是隐层元最少的网络结构,有效地克服了传统神经网络训练时间长、学习复杂的问题。计算机仿真实验结果证实了该算法的有效性。
关键词
构造型神经网络 故障诊断 覆盖 算法
Keywords
constructive neural networks fault diagnosis covering algorithm
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于构造型神经网络和商空间粒度的聚类方法
被引量：2
8
作者
徐银 周文江 王伦文
机构
解放军电子工程学院研二队 解放军电子工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2007年第29期165-167,185,共4页
基金
国家自然科学基金( the National Natural Science Foundation of China under Grant No.60475017) 国家重点基础研究发展规划( 973)( the National Grand Fundamental Research 973 Program of China under Grant No.2004CB318108)
文摘
采用构造型神经网络对大规模模式进行聚类,其中利用商空间粒度分析法选择最优粒度聚类。该方法既发挥了构造型神经网络计算复杂度低的优点,又利用了商空间理论选取最优粒度聚类。对大规模复杂数据聚类实验结果表明该方法是实效的。
关键词
聚类 粒度 构造型神经网络 商空间
Keywords
clustering granularity constructive neural networks quotient space
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于构造型神经网络的异常模式发现方法
被引量：4
9
作者
张贤骥 王伦文
机构
电子工程学院
出处
《计算机科学》
CSCD
北大核心
2014年第7期297-300,共4页
基金
国家自然科学基金(61273302) 安徽省自然科学基金(1208085MF98 1208085MF94)资助
文摘
数据流的异常模式检测中,有时受噪声等因素影响发生概念漂移,影响了检测效率。针对此问题,提出一种基于构造型神经网络增量学习的异常模式动态检测方法,以提取滑动窗口内数据的数据概要,修正全局数据概要,更新已有的学习模型。另外,数据流速、流量等因素也影响检测效率,采用粒度分析思想改进检测方法,设置合适的时间滑动窗口,根据数据量自适应选择分析粒度,进而更准确地发现异常模式。无线电通信信号监测数据异常模式检测实验验证了本方法的有效性。
关键词
数据流 异常检测 动态检测 构造型神经网络
Keywords
Data stream, Outlier detection, Dynamic detection, Constructive neural networks
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于构造型反馈神经网络聚类算法
被引量：1
10
作者
徐峰 刘锋 顾文炯 张铃
机构
安徽大学人工智能研究所智能计算与信号处理重点实验室 合肥工业大学管理学院
出处
《计算机工程与应用》
CSCD
北大核心
2004年第20期50-53,共4页
基金
国家自然科学基金项目(编号:60175018) 国家自然科学基金重点项目(编号:60135010) 安徽省教育厅自然科学研究基金
文摘
文章改进了自反馈FP聚类算法,并将该聚类算法应用于中国的证券市场。对应用的结果进行分析,说明了自反馈FP聚类算法作为聚类分析器在证券研究的应用中具有实用价值,以及在对证券市场深入研究中具有较好的应用前景。
关键词
构造型神经网络 FP算法 聚类 证券
Keywords
Constructive Neural Network,FP Algorithm,clustering,securities
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于构造型云神经网络的电磁环境评估方法
被引量：1
11
作者
冯彦卿 王伦文
机构
解放军电子工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2017年第16期211-215,共5页
基金
国家自然科学基金(No.61273302)
文摘
战场电磁环境的快速准确估计是态势和威胁评估的前提。在电磁环境复杂度静态评估的基础上,优化了适合动态评估的指标集,将云模型与构造型神经网络相融合为构造型云神经网络,提出基于构造型云神经网络的电磁环境复杂度动态评估方法。该方法能够提高评估结果的客观性以及准确率,无线电监测数据验证了方法有效性。
关键词
电磁环境复杂度 构造型神经网络 云模型
Keywords
electromagnetic environment complexity constructive neural networks cloud model
分类号
TN91
[电子电信—通信与信息系统]
题名 一种正交跳频信号动态分选方法
被引量：7
12
作者
顾晨辉 王伦文
机构
电子工程学院 通信信息控制和安全技术重点实验室
出处
《宇航学报》
EI
CAS
CSCD
北大核心
2012年第11期1699-1705,共7页
基金
国家自然科学基金(60675031) 安徽省自然科学基金(1208085MF98)
文摘
针对复杂电磁环境下正交跳频信号分选时效不高问题,提出了一种正交跳频信号动态分选方法。首先基于滑动窗口的数据流模型,采用构造型神经网络对跳频信号频域数据和方位信息动态聚类,减轻噪声等因素影响,解决方位信息和幅度关联模糊性的问题;再在相应的覆盖簇内运用时频关联方法,实现正交跳频信号的动态分选,实验结果表明该方法是有效的。
关键词
正交跳频信号 动态分选 构造型神经网络 数据流
Keywords
Orthogonal frequency hopping signal Dynamically sorting Constructive neural network Data stream
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种新的滑动窗口模型数据流聚类方法
被引量：7
13
作者
陈荣晖 王伦文
机构
电子工程学院 电子工程学院研一队
出处
《小型微型计算机系统》
CSCD
北大核心
2010年第12期2355-2358,共4页
基金
国家自然科学基金项目(60675031)资助
文摘
基于构造型神经网络引入一种新的数据流聚类相似性函数,并根据滑动窗口模型数据流聚类的特点,定义了平均覆盖和重叠覆盖等概念,进而提出基于构造型神经网络的滑动窗口模型数据流聚类算法.该算法可以降低计算量,提高聚类速度.大规模无线电监测数据聚类实验验证了该算法的有效性.
关键词
数据流 聚类 构造型神经网络 滑动窗口
Keywords
data stream clustering constructive neural network sliding window
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 一种电磁环境复杂度快速评估方法
被引量：26
14
作者
王伦文 孙伟 潘高峰
机构
能们系统信息控制技术国家级重点实验室 解放军电子工程学院 总参
出处
《电子与信息学报》
EI
CSCD
北大核心
2010年第12期2942-2947,共6页
基金
国家自然科学基金(60675031)资助课题
文摘
该文提出了一种适合重要区域电磁环境复杂度快速评估方法。首先论证并选择了适合快速评估的指标集;其次基于构造型神经网络对搜索接收机截获数据挖掘,发现异动信号,计算异动信号率并作为评估指标,体现了个体电台信号对复杂度的影响;最后采用自适应神经模糊推理系统对电磁环境复杂度进行了评估。实际数据对以上方法进行了验证,结果表明这些方法是有效的。
关键词
无线通信 电磁环境复杂度 异动信号 构造型神经网络 模糊推理系统
Keywords
Wireless communication Electromagnetic environment complexity Abnormal signal Constructive neural networks Fuzzy inference system
分类号
TN92
[电子电信—通信与信息系统]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种跳频信号动态检测方法
15
作者
顾晨辉 王伦文
机构
电子工程学院 通信信息控制和安全技术重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第9期1982-1986,共5页
基金
国家自然科学基金项目(60675031)资助
文摘
基于构造型神经网络运算复杂度低、构造直观方便、学习速度快、可解释性强的特点,提出一种跳频信号动态检测方法.首先从滑动窗口的数据流模型入手,采用适合增量学习的覆盖算法动态聚类,聚合相似度大的样本,分离相似度小的样本,降低了聚类复杂度,并减轻了噪声的影响,实现了覆盖簇的动态维护.然后在不同的覆盖簇中提取信号数据概要,构造数据结构数组,运用时频关联方法,排除数组中的定频信号、突发信号、随机噪声信号等,分离出了其中的跳频信号,实现了跳频信号的动态检测.实验结果表明该方法能快速、准确地动态检测跳频信号.
关键词
跳频信号 动态检测 构造型神经网络 滑动窗口
Keywords
frequency hopping signal dynamic detection constructive neural network sliding window
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
