说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 模糊自适应谐振理论
1)  fuzzy adaptive resonance theory model
模糊自适应谐振理论
2)  fuzzy adaptive resonance theory map
模糊自适应谐振理论神经网络
3)  Fuzzy Adaptive Resonance Theory
模糊自适应共振理论
1.
This paper implemented an improved K-Nearest Neighbor (Fuzzy KNN) algorithm in which Fuzzy Adaptive Resonance Theory (ART) is applied in K-NN classification to make a new algorithm.
提出了一种K-最近邻改进算法,该算法用模糊自适应共振理论(Fuzzy ART)对K-最近邻的训练样本集进行浓缩,以改善K-最近邻的计算速度。
4)  adaptive resonance theory
自适应谐振理论
1.
For learning document classification on line,the paper gives the semi-supervised learning fuzzy ART model (SLFART) based on adaptive resonance theory and the model s algorithm.
为了对在线学习文档进行分类,本文根据自适应谐振理论给出了一个半监督学习模糊ART模型(SLFART)及其算法。
2.
Through analyzing adaptive resonance theory,a dynamic classification algorithm based on associative and competitive learning is provided.
为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。
5)  ART [英][ɑ:t]  [美][ɑrt]
自适应谐振理论
1.
A semi-supervised learning system was proposed based on ART(adaptive resonance theory).
根据自适应谐振理论提出了半监督学习自适应谐振理论系统。
2.
In this paper,an approach is presented to recognize vehicle characters based on adaptive neural network constructed by ART,combined with the neural network s adaptive feature,which effectively improves recognition rate.
结合神经网自适应的特点 ,本文利用基于自适应谐振理论 (AdaptiveResonanceTheory ,ART)构成的自组织神经网络进行字符识别 ,给出了算法和实验结
3.
Through inspection of the relevant papers found that the adaptive resonance theory(ART) has been developed to avoid the stability-plasticity dilemma in competitive networks learning.
通过对相关文献的查阅后发现,由于自适应谐振理论(Adaptive ResonanceTheory,ART)网络较好地解决了传统的神经网络中稳定性与可塑性之间的矛盾,即在ART网络的学习过程中,网络既可以稳定地学习新知识,也可以对已学习的新知识做出很好的吸收处理的优点,使得其在地震预报领域里被多个学者专家所采用。
6)  Adaptive Resonance Theory (ART)
自适应谐振理论
1.
The Adaptive Resonance Theory (ART) proposed by S.
Carpenter等人提出的自适应谐振理论(Adaptive Resonance Theory-ART)是采用无监督学习的竞争型神经网络模型,其记忆方式与生物记忆形式类似,记忆容量可随学习模式的增加而增加,不仅可进行实时的在线学习,还可随环境的改变而进行动态的学习,具有良好的自适应性。
补充资料:适应谐振理论


适应谐振理论
adaptive resonance theory,ART

  ARI、2,ART~3。它们在功能及可实现性方面形成了一个不断完善的系列。ART~1网络是由Gail A.()r-l祀nter和Cm招映rg于1986年提出的一种两层网络,该网络是建立在Gross块rg的ART原始概念之上的。它的输人观察向量是二值的。ART~1网络可用作最邻近分类器,能存储任意数目的二值模式。ART~2神经网络的输人可以是任意的模拟向量,其基本设计思想仍采用竞争学习的机制,系统由“特征表示场”及“类别表示场”两个层及两者之间的学习层组成。ART一3神经网络是在ART~2的基础上发展起来的,它的突出点之一是便于在一个具有任意多个层次的复杂层次结构中嵌人按统一标准构成的A又1,模块。ART一3神经网络的构成取决于两个关键问题。第一是找到一种对各层都适用的场结构,可以称之为“同形”结构。第二是找到一种两个场的神经元之间信息传递的算法。 适应谐振神经网络模型的基本结构如图1所示,由两个相继连接的存储单元STM~Fl和STM~几组成,分成注意子系统和定位子系统。Fl与乃之间的连接通路为适应长期记忆。 注意子系统定位子系统 厂一.-—~—月一-一—~一一、产-一诵一-~STM重t波┌─────────┐│F:‘舒M)1 │└┬───┬─┬──┤ │U+ │ │吞‘│ │W, │ │(LTI│ │(LTM) │ │S │ │Z │ │ │ └───┴─┴──┘A+ 图1 ART结构示意图 适应谐振神经网络的工作过程可分为以下几个主要部分: (l)由下而上的自适应滤波和S硕,M中的对比度增强过程。经预处理的信号X进人注意子系统的Fl的输人端,经Fl的节点变换成激活模式S,这一过程起到特征检出作用,Fl中激活较大的节点就会有输出到几的信号,这就形成了输出模式S。S经过Fl到凡之间通道时被LTM加权组合,变换为模式T而作用于几的输人。S到T的变换称为自适应滤波。几接受T后通过节点间相互作用迅速产生对比度增强了的模式Y,并存于几中。 (2)自上而下的模板匹配和对已学编码的稳定。一旦由下而上的变换X~Y完成后,Y就会产生自上而下的激活信号模式U并向Fl输送。只有足够大的激活才会向反馈通道送出信号U。U经加权组合变换为模式Z,Z称为自上而下的模板或学习期望。现在X和Z两组模式作用于Fl,它们共同产生激活模式S’。一般说来S备将会与只受X作用产生的S不同,此时Fl的作用是要使Z与X匹配,其匹配的结果决定了此后的作用过程。 (3)注意子系统与定位子系统互相作用过程。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条