文献类型：期刊文章

作　　者：凌卫新[1] 郑启伦[2] 陈琼[2]

机构地区：[1]华南理工大学应用数学系,广州510640 [2]华南理工大学电子与信息学院计算机系,广州510640

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金编号:69783008;国家博士点基金(编号:98056117);广东省自然科学基金编号:990582);华南理工大学自然科基金

年　　份：2001

卷　　号：37

期　　号：19

起止页码：13-15

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：提出了一种基于模块化的神经网络的系统结构和学习算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略。一般函数逼近和三维墨西哥草帽等2个实现表明,该文提出的结构和算法是可行的、有效的;与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有并行性高、通用性强、对新增样本易于学习、便于硬件实现等特点。

关 键 词：模块化结构 神经网络 学习算法 分解判定  

分 类 号：TP183]