查詢結果分析
來源資料
頁籤選單縮合
題名 | 一個由BAM和Hamming Net組合而成的神經網路= |
---|---|
作者 | 藍國桐; 林政錦; |
期刊 | 東南學報 |
出版日期 | 19941200 |
卷期 | 17 1994.12[民83.12] |
頁次 | 頁147-152 |
分類號 | 312.74 |
語文 | chi |
關鍵詞 | BAM; MT; LMT; DT; 雙關記憶體; 重覆訓練法; 區域重複訓練法; 對角線訓練法; |
中文摘要 | 利用Kosko(1988)的雙關記憶體(Bidirectional Associative Memory, BAM) 來辨識字形的最大缺點在於BAM的容量太少(小於N/210g2N ,N是系統神經元數目)。在 1990年 Yeou-Fang Wang先生提出重覆訓練法(Multiple training, MT)之後,我們對BAM 記住字形的特性才有進一步的認識。1993年我們提出區域重覆訓練法(Local Multiple training, LMT),此法應用Y.F.Wang的理論,不但改善了BAM容量限制的缺點,也改善了 Multiple training記了新字忘舊字的缺點。但不幸的是LMT的方法需耗費大量的計算,而且 不易做成具有學習調整能力的神經網路。在這篇論文中,我們應用對角線訓練法(Diagonal training, DT)及Hamming Net組成一個新的BAM-Hamming NET。這個網路不需煩複的計算卻 能有LMT的優點,最重要的,我們可以使BAM在訓練中學會正確的辨認輸入的字形。 |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。