混合型多概念获取算法的设计及其抗噪音能力

摘要

IHMCAP(incremental hybrid multi-concepts acquisit ion procedure)算法将基于概率论的符号学习与神经网络学习相结合,通过引入FTART(field theory-based adaptive resonance theory)神经网络,成功地解决了符号学习与神经网络学习精度之间的均衡性问题,实现了两种不同思维层次的靠近.该算法采用一种独特的增量学习机制,当增加新的实例时,只需进行一遍增量学习,调整原结构,不必重新生成判定树和神经网络,即可提高学习精度,速度快,效率高.同时,这种增量学习机制还可以降低算法对噪音数据的敏感度,从而使IHMCAP可以应用于实时在线学习任务.