并行协作模块化神经网络体系结构

北京邮电大学学报 ›› 2002, Vol. 25 ›› Issue (2): 14-17.

并行协作模块化神经网络体系结构

凌卫新¹,郑启伦²,陈琼²,吕翠英¹

1.华南理工大学应用数学系, 广州 510640;2.华南理工大学计算机科学与工程学院, 广州 510640

收稿日期:2001-07-16 出版日期:2002-03-10
作者简介: 凌卫新(1966—),女,华南理工大学讲师,在读博士
基金资助:
国家自然科学基金资助项目(69783008); 国家博士点基金资助项目(98056117); 广东省自然科学基金资助项目(990582); 华南理工大学自然科基金资助项目

A Modular Neural Network Architecture #br# Based on Parallel Cooperation

LING Wei-xin¹, ZHENG Qi-lun², CHEN Qiong², LU Cui-ying¹

1. Dept. of Applied Mathematics, South China Univ. of Tech., Guangzhou510640, China;
2. Dept. of Computer Engineering and Science, South China Univ. of Tech., Guangzhou 510640, China)

Received:2001-07-16 Online:2002-03-10
Supported by:

摘要/Abstract

摘要： 提出了一种并行协作模块化神经网络的体系结构和学习算法,它可实现复杂任务的自动分解判定和模块化训练策略。实验表明,本文提出的体系结构和算法与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有高效并行运行效率、容易实现新增样本学习等特点。

关键词: 神经网络, 模块化结构, 学习算法, 分解判定

Abstract: The architecture and algorithm of Parallel Cooperative Modular Neural Network (PCMNN) are proposed in this paper. It has theadvantage of automatic decomposition of given task and its modular training of network. Experiments proposed in this paper is practicable and effective and is superior to non-modular method due to its high efficiency for a parallel network system structure, easy implementation of additional learning and modular structure for implementation by hardware.

Key words: neural network, modular structure, learning algorithm, decomposition decision

中图分类号:

TP183

凌卫新,郑启伦,陈琼,吕翠英. 并行协作模块化神经网络体系结构[J]. 北京邮电大学学报, 2002, 25(2): 14-17.

LING Wei-xin, ZHENG Qi-lun, CHEN Qiong, LU Cui-ying. A Modular Neural Network Architecture #br# Based on Parallel Cooperation[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2002, 25(2): 14-17.

[1]	蒲悦逸王文涵朱强陈朋朋. 基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[2]	谢晓燕赵欢蒋林. 基于视频数据特性的动态手势识别[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[3]	李威陈曙东欧阳小叶杜蓉王荣. 基于高速多核网络的远监督关系抽取方法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[4]	王彬志李卓罗蓬马天祥刘开华. 面向多模态数据的混合型FIB研究[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[5]	韦娟顾兴权宁方立. 基于EEMD的一种新的异常声音识别方法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[6]	戴剑勇, 邓先红, 王彬, 汪恒浩. 基于改进萤火虫优化神经网络的WSNs分簇路由协议[J]. 北京邮电大学学报, 2020, 43(3): 131-137.
[7]	宁方立, 韩鹏程, 段爽, 李航, 韦娟. 基于改进CNN的阀门泄漏超声信号识别方法[J]. 北京邮电大学学报, 2020, 43(3): 38-44.
[8]	王小玉, 胡鑫豪, 韩昌林. 基于卷积神经网络的彩色铅笔画算法[J]. 北京邮电大学学报, 2020, 43(1): 129-134.
[9]	蒋芳, 张南飞, 胡艳军, 王翊. 基于BP神经网络的CSI无源目标分类方法[J]. 北京邮电大学学报, 2020, 43(1): 40-45.
[10]	雷维嘉, 李环. 全双工系统中基于神经网络的自干扰消除方案[J]. 北京邮电大学学报, 2020, 43(1): 61-67.
[11]	郭文明, 刘凯, 渠慧帆. 基于Faster R-CNN模型X-射线图像的焊接缺陷检测[J]. 北京邮电大学学报, 2019, 42(6): 20-28.
[12]	李鹏, 王德勇, 师文喜, 姜志国. 大数据环境下基于深度学习的行人再识别[J]. 北京邮电大学学报, 2019, 42(6): 29-34.
[13]	王雅青, 郭彩丽, 楚云霏, 周洪弘, 冯春燕. 面向会话型推荐系统的个性化分层循环模型[J]. 北京邮电大学学报, 2019, 42(6): 142-148.
[14]	罗涛, 李剑峰, 韩家辉, 王艺宁, 雷璐. 一种基于多模态特征融合的骨质疏松评估方法[J]. 北京邮电大学学报, 2019, 42(6): 84-90.
[15]	赵雄文, 孙宁姚, 耿绥燕, 张钰, 杜飞. 基于最小二乘支持向量机的时变信道建模[J]. 北京邮电大学学报, 2019, 42(5): 29-35.