10.3969/j.issn.1001-0645.2001.04.012
一种用于多类模式识别的综合感知器网络和学习算法
提出一种由感知器神经元组合成的综合网络模型及相应的学习算法.网络由3层感知器神经元组成,中间层到输出层的权值相应地为+1或-1.输入层到中间层的权值通过学习获得,且中间层每个神经元的权值单独学习完成.该学习算法在有限次迭代步骤内终止.当算法终止时,对于可线性划分的多类模式识别问题总是能找到正确的解.如果还有模式不能识别,则说明这是一个不可线性划分的多类模式识别问题,用阿拉伯数字识别的例子说明了网络模型和算法的有效性.
感知器神经元、综合网络模型、多类模式识别、增广型模式向量、增广型权向量
21
TP183(自动化基础理论)
高等学校博士学科点专项科研项目B-122
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
459-463