均衡竞争神经元获胜机会的方法

摘要

竞争型神经网络存在"死点"问题,某些神经元在竞争中可能始终未能获胜而成为"死神经元",不仅造成神经元的浪费,而且造成训练误差偏大,无法达到训练误差的精度要求,不能很好完成它所担负的聚类或分类任务.针对该问题,研究竞争型神经网络的切入点,深入探讨了LVQ神经网络并且通过引入阈值学习规则,均衡神经元获胜的机会,较好地解决了该类网络在遇到"死"点时训练误差偏大的问题,仿真实验结果表明了该方法的有效性.