自组织增量学习神经网络综述

发布时间：2017-09-29 16:11

  本文关键词：自组织增量学习神经网络综述

  更多相关文章： 神经网络 自组织 竞争学习 增量学习

【摘要】：自组织增量学习神经网络SOINN(self-organizing incremental neural network)是一种基于竞争学习的两层神经网络,用于在没有先验知识的情况下对动态输入数据进行在线聚类和拓扑表示,同时,对噪音数据具有较强的鲁棒性.SOINN的增量性,使得它能够发现数据流中出现的新模式并进行学习,同时不影响之前学习的结果.因此,SOINN能够作为一种通用的学习算法应用于各类非监督学习问题中.对SOINN的模型和算法进行相应的调整,可以使其适用于监督学习、联想记忆、基于模式的推理、流形学习等多种学习场景中.SOINN已经在许多领域得到了应用,包括机器人智能、计算机视觉、专家系统、异常检测等.
【作者单位】： 计算机软件新技术国家重点实验室(南京大学);南京大学计算机科学与技术系;
【关键词】： 神经网络 自组织 竞争学习 增量学习
【基金】：国家自然科学基金(61375064,61373001) 江苏省自然科学基金(BK20131279)~~
【分类号】：TP183
【正文快照】： 自组织增量学习神经网络(self-organizing incremental neural network,简称SOINN)是一种基于竞争学习的神经网络模型[1-3],能够对数据进行增量式的无监督学习.SOINN使用一组分布在特征空间上的神经元来近似 输入数据的密度分布,这些神经元之间的连接构成一个或者多个连通子

【相似文献】

中国期刊全文数据库 前10条

1 秦玉平;王秀坤;王春立;;实现兼类样本类增量学习的一种算法[J];控制与决策;2009年01期

2 秦玉平;王秀坤;王春立;;实现兼类样本增量学习的一种算法[J];计算机应用与软件;2009年08期

3 秦玉平;陈一荻;王春立;王秀坤;;一种新的类增量学习方法[J];计算机工程与应用;2011年34期

4 时建中;程龙生;;基于增量学习系统的财务危机动态预警[J];技术经济;2012年05期

5 王洪波;赵光宙;齐冬莲;卢达;;一类支持向量机的快速增量学习方法[J];浙江大学学报(工学版);2012年07期

6 秦玉平;伦淑娴;王秀坤;;一种新的兼类样本类增量学习算法[J];计算机科学;2012年09期

7 姜卯生,王浩,姚宏亮;朴素贝叶斯分类器增量学习序列算法研究[J];计算机工程与应用;2004年14期

8 刘梅,权太范,姚天宾;基于增量学习神经模糊网络的机动目标跟踪[J];电子学报;2005年11期

9 李祥纳;艾青;秦玉平;刘卫江;;支持向量机增量学习算法综述[J];渤海大学学报(自然科学版);2007年02期

10 曹杰;刘志镜;;基于支持向量机的增量学习算法[J];计算机应用研究;2007年08期

中国重要会议论文全文数据库 前7条

1 秦亮;唐静;史贤俊;肖支才;;一种改进的支持向量机增量学习算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

2 张庆彬;吴惕华;刘波;;一种改进的基于群体的增量学习算法[A];第二十六届中国控制会议论文集[C];2007年

3 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

4 王悦凯;吴晓峰;翁巨扬;;Where-What网络增量学习特性探究[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

5 赵莹;万福永;;支持向量机的增量学习算法及其在多类分类问题中的应用[A];第25届中国控制会议论文集（下册）[C];2006年

6 刘欣;章勇;王娟;;增量学习的TFIDF_NB协同训练分类算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

7 宫义山;钱娜;;贝叶斯网络结构在线学习算法及应用[A];科学发展与社会责任（A卷）——第五届沈阳科学学术年会文集[C];2008年

中国博士学位论文全文数据库 前3条

1 李敬;增量学习及其在图像识别中的应用[D];上海交通大学;2008年

2 段华;支持向量机的增量学习算法研究[D];上海交通大学;2008年

3 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年

中国硕士学位论文全文数据库 前10条

1 杜玲;覆盖算法的增量学习研究[D];安徽大学;2010年

2 张智敏;基于增量学习的分类算法研究[D];华南理工大学;2010年

3 李杰;数据复杂度的增量学习方法研究[D];广东工业大学;2015年

4 李丹;基于马氏超椭球学习机的增量学习算法研究[D];渤海大学;2015年

5 王媛;支持向量机增量学习算法及其在入侵检测中的应用研究[D];吉林大学;2008年

6 张灿淋;基于支持向量机的半监督式增量学习研究[D];浙江工业大学;2014年

7 吴慧;新的支持向量机增量学习算法[D];西安电子科技大学;2009年

8 周兴勤;基于选择性集成的增量学习研究[D];重庆大学;2014年

9 徐新功;支持向量机增量学习算法研究[D];西安电子科技大学;2012年

10 胡建龙;基于决策逻辑的增量学习算法研究[D];山西大学;2006年

，

本文编号：942971