构建了一种基于IF模型的侧抑制神经网络群,用以实现位置定位.采用基于H-H模型简化的IF模型构造神经网络群并基于概率密度分布进行位置定位.在神经网络群学习过程中,运用PITS(progressive interactive training scheme)方法进行参数学习...构建了一种基于IF模型的侧抑制神经网络群,用以实现位置定位.采用基于H-H模型简化的IF模型构造神经网络群并基于概率密度分布进行位置定位.在神经网络群学习过程中,运用PITS(progressive interactive training scheme)方法进行参数学习,利用信息中心(IC)储存每次训练的结果,在保证输出收敛的情况下,比较跟踪结果的误差函数给出权值调整公式进行自学习.实验结果表明:基于IF模型构建的神经网络群可以实现位置定位.采用H-H模型简化的IF模型提高了学习效率和定位速度;运用PITS算法进行参数学习提高了定位精度.展开更多
文摘构建了一种基于IF模型的侧抑制神经网络群,用以实现位置定位.采用基于H-H模型简化的IF模型构造神经网络群并基于概率密度分布进行位置定位.在神经网络群学习过程中,运用PITS(progressive interactive training scheme)方法进行参数学习,利用信息中心(IC)储存每次训练的结果,在保证输出收敛的情况下,比较跟踪结果的误差函数给出权值调整公式进行自学习.实验结果表明:基于IF模型构建的神经网络群可以实现位置定位.采用H-H模型简化的IF模型提高了学习效率和定位速度;运用PITS算法进行参数学习提高了定位精度.
