版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、江南大學(xué)碩士學(xué)位論文自組織神經(jīng)網(wǎng)絡(luò)的新算法以及應(yīng)用姓名：夏文文申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：王士同20080301AbstractAbstractSelforganizingfeaturemapisProposedbyTeuvoKohonenProfessorinthe1980s，Itsimulatestheselforganizingfeatureofthebraincelltorealizerecognition，
2、clustering，compositorandSOonSelforganizingmaphavethecharacteristicofTopologicallyConsistencyandVectorQuantizationItisaneffectivemethodwhichdescribesthecontentofuncompactdataTwinnedselforganizingmapsexpandtraditionalselfo
3、rganizingmapsThepaperapplyalgorithmswhicharenormallyonlyappliedtoasingledatasettothepairoftwinnedsetsThenthenetworkcanperformatypeofnonparametricCCAThisnewnetworkcanbeconsideredasanextended1ineartechnologywhichcanbeappli
4、edtotworelateddatasetsSelforganizingmaphasobtainedmanysuccessesinpracticalapplications，butitalsohasmanylimitations，suchas，thewholetrainingprocessiscarriedoninputsamplesBecausealgorithmisbasedonEuclideandistance，SOtheabil
5、ityforclassifyingwillbelowerwhentheinputsamplehasaltitudinalnonlinearstructureMoreoveritCanbeinfluencedbynoiseandwildvalueThisPaperfocusesmainlyonthereasonabledesignforSOMOurworkincludesthefollowingsubjects：(1)Robustness
6、aboutSOMInordertoenhancetherobustness，euclideandistanceisreplacedbythedistancetotheVorinoicellintheproposedSOMWeillustratetheproposedSOMpredictivepoweronanoisydatasets，resultsdemonstratetheeffectivenessandrobustnesscapab
7、ilityoftheproposedSOM(2)KernelmethodsforSOMKernelmeans，performinganonlineardatatransformationintosomehighdimensionalfeaturespace，increasestheprobabilityofthelinearseparabilityofthepatternswithinthefeaturespaceMultiformit
8、yofkernelsleadstodifferentmetricsofdistanceininputspace，andcorrespondinglyresultsinSOMclassifications，Algorithmselectsthedifferentkemelfunctionsinviewofthedifferentquestions，itCanextendthemodelThepaperillustratesthepropo
9、sedSOMpredictivepoweronarealfinancialtimeseries，resultsdemonstratetheeffectivenessandrobustnesscapabilityoftheproposedSOMThenthepaperdiscussesMahalanobisDistanceKernelsforSOMKeywords：Selforganizingmap；Robustness；Euclidea
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 自組織特征映射神經(jīng)網(wǎng)絡(luò)
- 一種自組織模糊神經(jīng)網(wǎng)絡(luò)算法的研究.pdf
- K-均值算法與自組織神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)研究及應(yīng)用.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘應(yīng)用研究.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 神經(jīng)網(wǎng)絡(luò)中的自組織臨界行為研究.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)研究.pdf
- 基于ekf的模糊神經(jīng)網(wǎng)絡(luò)快速自組織學(xué)習(xí)算法研究
- 一種基于GWRN模型的自組織神經(jīng)網(wǎng)絡(luò)算法的研究及應(yīng)用.pdf
- 自組織增量神經(jīng)網(wǎng)絡(luò)的驗(yàn)證碼識(shí)別模型與算法.pdf
- 神經(jīng)網(wǎng)絡(luò)自組織模糊控制器的設(shè)計(jì)及應(yīng)用.pdf
- 模糊神經(jīng)網(wǎng)絡(luò)自組織控制在自動(dòng)舵中的應(yīng)用.pdf
- 自組織神經(jīng)網(wǎng)絡(luò)在信息處理中的應(yīng)用研究.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)點(diǎn)云重建技術(shù)的研究.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)的外刊采購標(biāo)段劃分研究.pdf
- 幾種自組織神經(jīng)網(wǎng)絡(luò)及其在彩色圖像分割中的應(yīng)用.pdf
- 基于模糊聚類的自組織神經(jīng)網(wǎng)絡(luò)的用戶模式挖掘算法研究.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)和模糊邏輯的圖像處理.pdf
- 基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)與模糊算法的彩色圖像聚類分割系統(tǒng).pdf
評(píng)論
0/150
提交評(píng)論