首页> 中文期刊> 《南京大学学报:自然科学版》 >基于高维空间划分的神经网络分类学习模型

基于高维空间划分的神经网络分类学习模型

         

摘要

基于高维空间划分的原理,提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法.从理论上证明基于CC模型的神经网络的容错性比MP网络要好,而且网络的隐层节点个数远远少于FP网络的隐层神经元个数,对于分类问题其计算复杂性仅为多项式(上界≤O(p2)),p为样本个数.该网络有明确的几何和物理意义,具有持续学习和噪声数据处理能力,适合大规模数据挖掘领域.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号