一种用于模式识别的新型神经网络模型

一种用于模式识别的新型神经网络模型

双向联想记忆(BAM)网络和BP网络是两种重要的神经网络模型,研究结果表明将BAM网络的输入用40%的噪声污染,这种网络仍然可以实现正确联想.另一方面BAM网络有一个严重的缺点就是它无法实现数据压缩,而BP网络却恰恰能够很好地实现数据压缩,但它的容错性不好.本文同时从识别率和节省存储空间两方面出发,提出了一种BAM-BP神经网络模型.该模型具有容错性好、识别率高、简单等优点.

作 者： 田凯 郑丽颖 王科俊   作者单位： 哈尔滨工程大学,自动化学院,黑龙江,哈尔滨,150001  刊 名： 哈尔滨工程大学学报  ISTIC EI PKU 英文刊名： JOURNAL OF HARBIN ENGINEERING UNIVERSITY  年，卷(期)： 2002 23(6)  分类号： O235  关键词： 双联想记忆(BAM)   BP神经网络   模式识别   误差反传(BP)学习算法   BAM-BP神经网络  

【一种用于模式识别的新型神经网络模型】相关文章：

一种火箭推进系统非线性动态神经网络模型04-27

新型智能仿生模型-蚁群模型04-27

BAF处理系统的BP神经网络模型04-25

小波变换在BP神经网络遥感影像模式识别中的应用04-27

基于遗传神经网络模型的水质综合评价04-26

基于改进BP神经网络的职业危害预警模型04-25

模糊概率神经网络水质评价模型及其应用04-27

一种在线神经网络在补偿飞机模型不确定性误差中的应用04-27

基于投影寻踪的模糊模式识别模型在水质评价中的应用04-25

神经网络和多元线性回归筛选QSAR模型结构参数04-27