用于模式分类的动态有指导前向传播网络

摘要：

以改进的仅前向型对传网络(CPN)为基础,研究一种用于模式分类的神经网络--动态有指导前向传播网络(DSFPN).其隐层用修正的第2种学习矢量量化算法,以增量训练策略,进行有指导训练.在训练过程中,根据适合度产生新的隐层神经元,使隐层动态增长.Cone-Torus平面点分类和非特定人孤立数字语音识别的实验结果表明了DSFPN的优越性能,其训练时间比多层感知器少2个数量级,训练速度比改进的CPN更快,最好测试正确率分别达92.25%和98.7%,高于另外2种神经网络.

关键词：模式分类、神经网络、有指导训练、动态增长

所属期刊栏目：34

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60572074

在线出版日期：2008-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：208-209,212