当前位置: 首页 » 资料 » 健康论文 » 基于推进学习策略的对传神经网络

基于推进学习策略的对传神经网络

放大字体  缩小字体 更新日期:2018-11-26  浏览次数:10
摘 要:结合Adaboost算法的加权投票机制,提高对传神经网络CPN(Counterpropagation Networks)的学习效率,提出新型快速分类算法(简称为ACPN).实验证明,新算法的学习最小误
  • 【题 名】基于推进学习策略的对传神经网络
  • 【作 者】林励莉 王涛 林拉
  • 【机 构】华南师范大学计算机学院 广东广州510631
  • 【刊 名】《华南师范大学学报:自然科学版》2011年 第2期 60-64页 共5页
  • 【关键词】对传神经网络 分类算法 推进学习 预测波动性
  • 【文 摘】结合Adaboost算法的加权投票机制,提高对传神经网络CPN(Counterpropagation Networks)的学习效率,提出新型快速分类算法(简称为ACPN).实验证明,新算法的学习最小误差比传统CPN算法下降了96%,训练时间同比下降44%,网络训练阶段误差下降趋势明显稳定.
 
本文导航:
  • (1) 对传神经网络,分类算法,推进学习,预测波动性
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注