基于Hebb规则的分布神经网络学习算法.pdfVIP

第 30 卷 　第 8 期 计 　　算 　　机 　　学 　　报 Vol . 30 No . 8 2007 年 8 月 C H IN ESE J OU RN AL O F COM PU T ER S Aug . 2007 　 基于 Hebb 规则的分布神经网络学习算法 1) ,2) 1) ,2) 3) 1) ,2) 田大新 　刘衍珩 　李 　宾 　吴 　静 1) ( 吉林大学计算机科学与技术学院　长春 　1300 12) 2) ( 吉林大学符号计算与知识工程教育部重点实验室 　长春 　1300 12) 3) ( 吉林大学数学学院　长春 　1300 12) 摘 　要 　随着知识发现与数据挖掘领域数据量的不断增加 ,为了处理大规模数据 , scaling up 学习成为 KDD 的热 点研究领域. 文中提出了基于 Hebb 规则的分布式神经网络学习算法实现 scaling up 学习. 为了提高学习速度 ,完 整数据集被分割成不相交的子集并由独立的子神经网络来学习;通过对算法完整性及竞争 Hebb 学习的风险界的 分析 ,采用增长和修剪策略避免分割学习降低算法的学习精度. 对该算法的测试实验首先采用基准测试数据 circle int hesquare 测试了其学习能力 ,并与 SV M ,A R TMA P 和 B P 神经网络进行比较 ;然后采用 U CI 中的数据集 U S Cen su s1990 测试其对大规模数据的学习性能. 关键词 　scaling up ;数据分割 ; Hebb 规则 ;分布式学习;竞争学习 中图法分类号 TP183 Distributed Neural Net work Learning Algorithm Based on Hebb Rule T IAN DaXin1) ,2) 　L IU YanHeng1) ,2) 　L I Bin3) 　WU J ing1) ,2) ) 1 ( Col leg e of Comp uter S cience an d Technology , J i l i n Uni vers ity , Chang ch un 　1300 12) 2) ( ) Key L aboratory of S y mbolic Comp utation an d K now led g e Eng ineering of M inist ry of E d ucation , J ilin Univers ity , Ch