-
题名一种可识别样本中共同抽象特征的神经网络
被引量：2
- 1
-
-
作者
李倩
邓浩江
王守觉
-
机构
中国科学院半导体研究所人工神经网络实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2001年第8期1028-1031,共4页
-
基金
国家自然科学基金 (No .60 0 760 2 0 )
-
文摘
本文提出了一种用神经网络进行不同样本所具有的某些共同特征的识别和学习算法 ,他不同于实现样本维数压缩的数学特征提取 ,而是从原始不同样本中识别出他们难以明确表达的某些共同的抽象特征 ,具体阐述了其实现原理并且用实验验证了可行性 .
-
关键词
特征识别
模式识别
神经网络
优先度排序
抽象特征
-
Keywords
feature recognition
pattern recognition
neural networks
priority ordered
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名优先排序神经网络K网覆盖分类研究
被引量：1
- 2
-
-
作者
朱世交
王真
廖明军
-
机构
同济大学计算机科学与工程系
同济大学半导体与信息技术研究所
同济大学交通运输工程学院
-
出处
《计算机应用》
CSCD
北大核心
2007年第2期330-332,共3页
-
文摘
从高维空间特征点覆盖的角度,讨论了优先度排序神经网络(PONN)算法,提出了非各向同性的K网覆盖算法(KPA)算法,最后给出标准测试集和应用测试集的比较结果,并对其与各向同性覆盖中心适配选择算法(CASA)进行了分析与比较,实验结果表明KPA算法在样本连续性构造方面优于CASA算法。
-
关键词
优先排序神经网络
模式识别
拓扑空间
-
Keywords
priority ordered neural network （ponn）
pattern recognition
topology space
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合优先度排序神经网络的样本点分块拟合研究
- 3
-
-
作者
朱世交
杨珺
-
机构
上海电力学院电子与信息工程系
-
出处
《计算机应用》
CSCD
北大核心
2009年第3期862-864,共3页
-
基金
上海市重点科技攻关计划资助项目(071605125)
-
文摘
样本点拟合是动态构造神经网络应用的重要研究领域。从输入输出映射的角度,依赖输出样本点优先关系,结合优先度排序神经网络把输入样本集合划分为不同子集,动态构造优先度排序神经网络对各个子样本集进行映射,对样本点进行分块并行神经网络构造,提高神经网络的训练速度。最后,通过对不同类型样本集进行测试,实验结果表明该算法能有效地减少拟合误差。
-
关键词
优先排序神经网络
拟合
拓扑空间
-
Keywords
priority ordered neural network（ponn）
regression
topology space
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于并行覆盖前馈优先神经网络的说话人识别方法
被引量：2
- 4
-
-
作者
姚潇
武妍
王守觉
-
机构
同济大学计算机科学与工程系
中国科学院半导体研究所神经网络实验室
-
出处
《计算机科学》
CSCD
北大核心
2008年第8期125-128,共4页
-
基金
国家自然科学基金资助项目(60475019)
-
文摘
为实现对说话人特征空间多聚类区的有效识别,提出一种基于并行覆盖前馈优先级网络(PCPONN)的说话人识别方法。该方法以LBG算法生成每个说话人特征空间初始的聚类中心,对本类样本按聚类中心分类后,用前馈优先级神经网络(PONN)对每个聚类区进行并行覆盖。相关实验证明,PCPONN符合说话人特征空间点的分布特点,得到更好的稳定性和更高的识别率。
-
关键词
说话人识别
并行前馈优先级网络(PCponn)
倒谱
聚类区
-
Keywords
Speak recognition,Parallel coverage of priority ordered neural network（PCponn） ,Cepstrum,Clusters area
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.42
[自动化与计算机技术—计算机应用技术]
-
-
题名基于知识规则的构造性优先排序神经网络算法
- 5
-
-
作者
谷秧波
武妍
朱世交
王守觉
-
机构
同济大学计算机科学与工程系
同济大学半导体与信息技术研究所
-
出处
《计算机应用》
CSCD
北大核心
2008年第7期1645-1648,共4页
-
基金
国家自然科学基金资助项目(60475019)
-
文摘
从高维空间样本点覆盖的角度,讨论了基于知识规则的构造性优先排序神经网络(PONN)算法的原理,提出了网络构造过程的一般算法以及基于随机取样规则和重心点规则的两个实例算法。实例算法对螺旋线识别和语种识别进行了仿真。实验结果证明了算法的有效性。语种识别实验结果也表明基于重心规则的PONN算法在一定条件下优于SVM。
-
关键词
优先度排序神经网络
知识规则
覆盖
-
Keywords
priority ordered neural network （ponn）
knowledge rule
coverage
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
