10.3778/j.issn.1673-9418.1505007
容量约束的自组织增量联想记忆模型
自组织联想记忆神经网络因其并行、容错及自我学习等优点而得到广泛应用,但现有主流模型在增量学习较大规模样本时,网络节点数可能无限增长,从而给实际应用带来不可承受的内存及计算开销.针对该问题,提出了一种容量约束的自组织增量联想记忆模型.以网络节点数为先决控制参数,结合设计新的节点间自竞争学习策略,新模型可满足大规模样本的增量式学习需求,并能以较低的计算容量取得较高的联想记忆性能.理论分析表明了新模型的正确性与有效性,实验分析同时显示了新模型可有效控制计算容量,提升增量样本学习效率,并获得较高的联想记忆性能,从而能更好地满足现实应用需求.
联想记忆、容量约束、增量学习、自组织、神经网络
10
TP18(自动化基础理论)
The National Natural Science Foundation of China under Grant No.61272210;the Natural Science Foundation of Jiangsu Province under Grant Nos.BK20130161,BK2011003
2016-06-07(万方平台首次上网日期,不代表论文的发表时间)
共12页
130-141