基于沖量權(quán)值的ART網(wǎng)絡(luò)研究及其在地震預(yù)報中的應(yīng)用.pdf

1、在神經(jīng)網(wǎng)絡(luò)的競爭學習過程中,自適應(yīng)諧振理論(Adaptive Resonance Theory,ART)網(wǎng)絡(luò)解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性與可塑性之間的矛盾,即在ART網(wǎng)絡(luò)的學習過程中,網(wǎng)絡(luò)可以穩(wěn)定地學習新知識,也可以對已學習的知識做出很好的處理.值得一提的是,有監(jiān)督ART網(wǎng)絡(luò)作為一種有效的分類器,有著成功的應(yīng)用實例和廣泛的應(yīng)用前景.本文提出了一種基于沖量權(quán)值的ART(Impulse Force Weight based Adaptive

2、Resonance Theory)網(wǎng)絡(luò),其目的是針對現(xiàn)有的有監(jiān)督ART網(wǎng)絡(luò)模型中沒有考慮輸入屬性重要性的情況,通過對網(wǎng)絡(luò)部分節(jié)點分配沖量權(quán)值,然后根據(jù)沖量權(quán)值對節(jié)點匹配度的作用,體現(xiàn)不同屬性對分類結(jié)果的不同影響,提高了預(yù)測精度.研究方案中采用了遺傳算法的優(yōu)化機制,對沖量權(quán)值迭代優(yōu)化,然后反饋回網(wǎng)絡(luò),用于提高網(wǎng)絡(luò)的預(yù)測性能.通過與其他有監(jiān)督ART網(wǎng)絡(luò)的比較實驗,驗證了基于沖量權(quán)值的ART網(wǎng)絡(luò)的有效性.根據(jù)網(wǎng)絡(luò)的結(jié)構(gòu)特點,本文還提出了有效的