人工脑模式识别一种新的神经网络算法.pdf

人工脑模式识别一种新的神经网络算法.pdf

ID:57319063

大小:1.67 MB

页数:50页

时间:2020-08-11

人工脑模式识别一种新的神经网络算法.pdf_第1页
人工脑模式识别一种新的神经网络算法.pdf_第2页
人工脑模式识别一种新的神经网络算法.pdf_第3页
人工脑模式识别一种新的神经网络算法.pdf_第4页
人工脑模式识别一种新的神经网络算法.pdf_第5页
资源描述:

《人工脑模式识别一种新的神经网络算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、捅要目前,各行各业对模式识别技术要求越来越多、越来越高。然而一些传统的模式识别技术由于没有考虑和利用“同源同类事物连通性”先验知识,正遇到正确识别率很难再提高的瓶颈。本论文以国家自然科学基金项目“人工脑的信息处理新神经网络模型研究"(NO.60673101)、“人工脑基于同源同类事物连通本性的模式识别新神经网络模型研究”(NO.61272077)为任务背景,针对大规模超多类模式识别问题,通过对“同源同类事物连通本性”的认知,提出了一类人工脑模式识别的分块并行优先度排序神经网络算法,特别提出了基于同源同类事物连通本性的分块并行优先度排序RBF神经网络算法。这种算法一方

2、面能够确保任何同源同类事物局部直接连通两点连线上的任何点一定分到同一类中,提高模式识别的正确识别率,另一方面能降低大规模超多类模式识别问题的空间复杂度和时间复杂度。关键词:同源同类;连通本性;分块并行;优先度排序;神经网络AbstractAtpresent,therequirementsofthevariousindustriesonthepatternrecognitiontechnologyaremoreandmore,moreandmorehigher.However,someofthetraditionalpatternrecognitiontechnolo

3、giesareexperiencingtheabsenceofpriorknowledgeoftheuseof“theconnectedcharacterofhomologue”,thecorrectrecognitionrateisverydifficulttoimprovethebottleneck.ThispaperisbasedontheNationalNaturalScienceFoundationprojecton‘‘artificialbraininformationprocessingnewneuralnetworkmodel”(No.6067310

4、1),“artificialbrainpatternrecognitionnewneuralnetworkmodelbasedonhomologueconnectedness”(NO.61272077),inviewofthemassmorethanclasspatternrecognitionproblems,throughthe“theconnectedcharacterofhomologue”ofcognition,proposedforaclassofartificialbrainpattemrecognitiononblockparallelpriorit

5、yorderedneuralnetworkalgorithm,raisedinparticularblockparallelpriorityorderedRBFneuralnetworkalgorithmbasedonhomologueconnectedness.Thisalgorithmontheonehand,ensuresthatanypointthatontheanytwopointsattachmentwhichhomologoussimilarthingslocaldirectlyconnectedtwomustbeassignedtothesamecl

6、ass,improvesthecorrectrecognitionrateofpatternrecognition,ontheotherhanditCanreducethespacecomplexityandtimecomplexityoflarge—scalesupermulticlasspatternrecognitionproblem.Keywords:Homologoussimilar;Connectednature;BlockinparaHel;Priorityorder;Neuralnetwork帅7帅2㈣8呲3洲3帆2j¨¨¨¨¨,眦Y目录第1章引论⋯

7、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。11.1研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.2模式识别的人工神经网络方法研究发展动态⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯41.3本文创新及组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7第2章传统的神经网络算法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.1误差反传递算法一BP神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.92.1.1BP网络模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。