模块化神经网络体系结构模型及其应用研究

作     者：凌卫新 

作者单位：华南理工大学 

学位级别：博士

导师姓名：郑启伦

授予年度：2002年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：模块化神经网络 体系结构 任务分解 多模块判定 学习算法 

摘      要：该文以研究模块化神经网络体系结构模型及其应用研究为目标,研究模块化神经网络体系结构设计过程中相关的技术：任务分解技术和多模块判定和网络模块的学习,并研究了模块化神经网络在函数逼近、系统模拟、模式分类器等方面的应用.该文提出了并行协作模块化神经网络（PCMNN）结构和算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网络将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略.该文提出了基于梯度的模块化神经网络体系结构（GPCMNN）和学习算法,其中子样空间是基于梯度技术来进行划分的,这种方法可使样本子空间的划分更合理、更有效,便于实现对新增样本的学习.提出了基于粗糙集的K类模式分类器的体系结构（RSPCMNNC）,基于粗糙集理论提出了三个预处理算法,使分类器的结构简化,同时降低了学习的难度,有效地避免产生的太多的子网;样本空间基于最大均衡的策略来划分,保证BP算法在学习过程中的有效性.