軌跡神經(jīng)網(wǎng)絡(luò)模型特征提取能力的研究.pdf

1、該論文分別從軌跡和權(quán)值的學(xué)習(xí)方法、神經(jīng)元的激活特性和軌跡的非單一特性等方面對軌跡網(wǎng)絡(luò)模型進行了改進,并相應(yīng)提出了三種新的軌跡網(wǎng)絡(luò)模型:自適應(yīng)軌跡神經(jīng)網(wǎng)絡(luò)、量子軌跡神經(jīng)網(wǎng)絡(luò)和軌跡包模.自適應(yīng)軌跡神經(jīng)網(wǎng)絡(luò)模型一方面借助于兩種瞬時類間距離預(yù)測輸入樣本對類間軌跡距離的影響,進而對軌跡的更新過程進行自適應(yīng)修正;另一方面針對軌跡網(wǎng)絡(luò)中的軌跡的更新所造成的類內(nèi)距離和類間距離兩個準(zhǔn)則之間的沖突關(guān)系,借鑒Sarukkai模型,在目標(biāo)函數(shù)中引入類間距離的準(zhǔn)

2、則,自適應(yīng)修正網(wǎng)絡(luò)連接權(quán)值的學(xué)習(xí).量子軌跡神經(jīng)網(wǎng)絡(luò)模型主要從神經(jīng)元特性和編碼的角度對軌跡模型進行了改進:一方面引進復(fù)合Sigmoid函數(shù)包的多階梯特性來增加神經(jīng)元的編碼容量,另一方面又參考類間距離對神經(jīng)元激活函數(shù)的特性能數(shù)進行了自適應(yīng)優(yōu)化學(xué)習(xí),使激活函數(shù)的非線性變換中心能夠更好地刻畫不同模式之間的分類邊界,實現(xiàn)對不同模式的輸入在不同的飽和水平上進行編碼.軌跡包神經(jīng)網(wǎng)絡(luò)模型對軌跡模型的根本改進在于允許每個模式類具有多個軌跡,構(gòu)成各自的軌跡