崔丕锁
- 作品数：4 被引量：10H指数：1
- 供职机构：大连理工大学电子科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术建筑科学更多>>
- 神经网络在一类数据样本分类中的应用研究
- 使用神经网络进行模式识别是目前发展的一个趋势,本文对神经网络在一类数据样本中的分类进行了研究,主要以建筑材料成分识别为例,验证了神经网络(ANN)应用于建筑材料系统模式识别的有效性.本文使用了改进的RBF(Radial ...
- 崔丕锁
- 关键词：RBF模式识别建筑材料
- 文献传递
- 一种改进的材料成分神经网络模型
- 2004年
- 所介绍的材料成分神经网络模型使用的是一种改进的4层径向基函数(RBF)神经网络,其基本思想是根据样本的不同特征采用不同的训练方式,并且在训练过程中根据样本的特征添加隐层节点来加快网络的训练过程.网络的映射选用区域映射方式,可有效防止网络的过拟和,同时也可提高网络的识别效果.对建筑材料系统中相图的仿真结果表明了该方法的有效性.
- 韩敏崔丕锁
- 关键词：神经网络模型有效性RBF径向基函数
- 一种用于模式识别的动态RBF神经网络算法被引量：9
- 2006年
- 对径向基函数(RBF)神经网络在数据分类中的应用进行了研究.提出一种应用于模式识别的动态RBF训练算法,该算法使用区域映射误差函数并结合资源分配网络(RAN)的“新性”(nove lty)条件动态调整网络的隐层节点数,从而可以更加有效地进行模式识别.二分类样本和建筑材料C aO-A l2O3-S iO2系统仿真表明,该改进算法使误差下降更快,减少了训练次数,可以获得精简的网络结构,从而使网络具有较高的泛化能力.
- 韩敏崔丕锁
- 关键词：径向基函数模式识别
- 一种动态RBF神经网络在模式识别中的应用被引量：1
- 2006年
- 讨论了一种 RBF(Radial Basis Function)网络在模式识别中的训练方法.考虑到模式识别的特殊状况,对RBF 网络的训练采取了一种区域映射的方式,并且由此使用了区域映射误差函数,同时结合 RAN(Resource Allo-cating Network)新性条件并依据该误差函数进行网络节点的添加和参数调整.网络的仿真结果表明使用这种方法在加快网络训练过程的同时也获得了较小的网络结构,提高了网络的泛化性能.另外该方法也提高了模式识别的正确率.
- 韩敏崔丕锁
- 关键词：径向基函数(RBF)神经网络误差函数模式识别
