文件名称：改进的遗传谐振匹配网络学习算法 (2011年)
文件大小：576KB
文件格式：PDF
更新时间：2024-06-06 10:08:40
自然科学 论文
针对简单自适应匹配(SFAM)网络结构冗余的问题提出一种改进遗传谐振匹配网络学习算法.通过引入群体适应度均值和标准差来自适应调整交叉概率和变异概率;针对自适应谐振网络自身在训练过程中可能出现的类冗余问题,在遗传操作中引入裁剪算子,通过定义置信度因子依据规则对训练过程中网络可能出现的冗余类标志节点进行删除,降低网络结构的冗余度.与SFAM,ssFAM,ssGAM和ssEAM的网络对比实验结果表明:改进后的网络学习算法能明显提高网络分类精度,降低网络冗余度.