半自组织人工神经网.pdfVIP

半自组织人工神经网 史奎凡，陈月辉 (山东建筑材料工业学院自动化系济南250022) 曩 摘要： 本文研究了自组织人工神经网的特点和它的不足，它在某些情况下不能够被 正确训练，并指出了它不能被正确训练的原因和不能识别某些样本原因。为此，提出 了半自组织人工神经网．又定义了点积，根据点积，提出提高半自组织人工神经网的 识别精度的方法。摄后，用自组织人工神经网和半自组织人工神经网做了计算机模拟。 ● 结果说明，所提出的改善人工神经网的识别精度的方法是很有效的并且是可行的。 关键词自组织人工神经网，半自组织人工神经网，生长因子，生长分量 一概述 Kohonen提出的自组织人工神经网模拟生物神经系统的自学习和自组织功能，并且获 得非常成功的应用…1。例如，用自组织人工神经网解决了TSP问题和研制出声控打字 机，该打字机有很高的识别率。自组织人工神经网的主要些特点是它的权是输入样本 的记忆和把输入样本抨序12113]14]，此外，初始化的权值对自组织人工神经网的识别精 度有一定的影响【3】3。自组织人工神经网通过竞争，使某个神经元获胜，用获胜神经元 来表示某一类样本。这要求样本内的聚类特性非常好，样本问的距离大。倘若训练样 本不能满足上述要求时，自组织人工神经网就会把不同类的某些样本竞争到某个相同 神经元，因此，它就不能对训练样本正确地分类了f3J。为了克服自组织人工神经网的 不足，本文提出半自组织人工神经网。它的主要方法是在学习方向上加入教师信号， 在具体学习中使用自组织人工神经网的算法。在模拟实验中，该神经网识别精度比 Kohonen的自组织人工神经网高得多。 二自组织人工神经网的算法和它的特点 自组织人工神经网有～个输入层和一个输出层。自组织人工神经网的算法是： (1)用很小的随机数初始化网络的权wj(t)--w．f。 ● (2)在网络的输入端输入训练样本X。(t)。 (t))hV％(t)，取Dj最大单元为获胜的单元． (4)对权Wf(t)进行修改： wj(t+1)2wj(t)+a’ⅨI(t)一Wj(t))j∈N(t) W(t+1)=W(t) ．i茌N(t) (S)～直到所有样本都被训练并满足要求训练次数为止。 根据文献[3114]，我们知道，被训练好的自组织人工神经网有下面的特点： (1)在一定的条件下，其一维网络能够收敛到有序结构，也就是它的输出神经元权 94一 重按其下标大小作递增或递减排序。 (2)网络的权是输入样本的记忆。 此外，根据上述的算法，易知，自组织人工神经网按下面的公式更新权值； H (1) Wk(t+n)=wk(t)+(】一a)“+：(1一a)”I．a·xk(i) J=l n (2) (1．a)“。·a·x、(n)·Xk(i))】 xlk(n)tWk(t+n-1)=MAXIXlk(i)·(wk(t)·(1．a)“+∑ pl ● n为权获胜的次数，下标k表示模式的