基于RBF神經(jīng)網(wǎng)絡(luò)的集成增量學(xué)習(xí)方法研究.pdf

1、傳統(tǒng)神經(jīng)網(wǎng)絡(luò)只能進(jìn)行一次學(xué)習(xí)，不能在第一次學(xué)習(xí)的基礎(chǔ)上實(shí)現(xiàn)二次學(xué)習(xí)?，F(xiàn)實(shí)生活中不可能一次性獲得所有的神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，所以很多學(xué)者提出了增量學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。本文研究新增類別的增量學(xué)習(xí)，在保留已學(xué)知識的基礎(chǔ)之上，從新樣本中學(xué)習(xí)新知識。
　　為了解決增量學(xué)習(xí)網(wǎng)絡(luò)中可塑性和穩(wěn)定性的難題，本文采用集成方法進(jìn)行增量學(xué)習(xí)。針對集成增量學(xué)習(xí)網(wǎng)絡(luò)增長過快問題，本文提出了基于RBF(徑向基)神經(jīng)網(wǎng)絡(luò)的集成增量學(xué)習(xí)方法。該方法每次學(xué)習(xí)新的類別知識時(shí)都

2、訓(xùn)練一個(gè)RBF子神經(jīng)網(wǎng)絡(luò)，把新訓(xùn)練的RBF子神經(jīng)網(wǎng)絡(luò)加入到集成系統(tǒng)中，從而組建成一個(gè)大的集成神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并用最近中心法確定獲勝子網(wǎng)絡(luò)，網(wǎng)絡(luò)的結(jié)果輸出由獲勝子網(wǎng)絡(luò)決定，與其他非獲勝子網(wǎng)絡(luò)無關(guān)。為了解決RBF學(xué)習(xí)過程中不同子網(wǎng)絡(luò)核函數(shù)中心相近的問題，本文引入了SOM(自組織映射)神經(jīng)網(wǎng)絡(luò)，用訓(xùn)練好的SOM原型向量構(gòu)建PNN(概率神經(jīng)網(wǎng)絡(luò))，并用最大概率確定獲勝子網(wǎng)絡(luò)。基于以上兩種確定獲勝子網(wǎng)絡(luò)的方法，本文又提出了最近中心與最大概率相結(jié)合的