一種用于模式識別的新型神經網絡模型

雙向聯想記憶(BAM)網絡和BP網絡是兩種重要的神經網絡模型,研究結果表明將BAM網絡的輸入用40%的噪聲污染,這種網絡仍然可以實現正確聯想.另一方面BAM網絡有一個嚴重的缺點就是它無法實現數據壓縮,而BP網絡卻恰恰能夠很好地實現數據壓縮,但它的容錯性不好.本文同時從識別率和節省存儲空間兩方面出發,提出了一種BAM-BP神經網絡模型.該模型具有容錯性好、識別率高、簡單等優點.

作 者： 田凱 鄭麗穎 王科俊   作者單位： 哈爾濱工程大學,自動化學院,黑龍江,哈爾濱,150001  刊 名： 哈爾濱工程大學學報  ISTIC EI PKU 英文刊名： JOURNAL OF HARBIN ENGINEERING UNIVERSITY  年，卷(期)： 2002 23(6)  分類號： O235  關鍵詞： 雙聯想記憶(BAM)   BP神經網絡   模式識別   誤差反傳(BP)學習算法   BAM-BP神經網絡  

【一種用于模式識別的新型神經網絡模型】相關文章：

一種火箭推進系統非線性動態神經網絡模型04-27

新型智能仿生模型-蟻群模型04-27

BAF處理系統的BP神經網絡模型04-25

小波變換在BP神經網絡遙感影像模式識別中的應用04-27

基于遺傳神經網絡模型的水質綜合評價04-26

基于改進BP神經網絡的職業危害預警模型04-25

模糊概率神經網絡水質評價模型及其應用04-27

一種在線神經網絡在補償飛機模型不確定性誤差中的應用04-27

基于投影尋蹤的模糊模式識別模型在水質評價中的應用04-25

神經網絡和多元線性回歸篩選QSAR模型結構參數04-27