本文从空间几何学角度对现有随机神经网络的增量构建过程进行深入分析,并在此基础上提出一种空间几何角度最大化的随机增量学习模型(Stochastic Incremental Learning Model for Maximizing Spatial Geometry Angle,SIMSGA).与现有增量...
详细信息
本文从空间几何学角度对现有随机神经网络的增量构建过程进行深入分析,并在此基础上提出一种空间几何角度最大化的随机增量学习模型(Stochastic Incremental Learning Model for Maximizing Spatial Geometry Angle,SIMSGA).与现有增量随机神经学习算法相比,本文利用空间几何角度方法直接选择最适合隐含层节点参数,然后使用最小二乘法和动态逐步更新两种方法对输出权值进行计算.此外,本文也对SIMSGA算法的无限逼近性进行了证明.并将所提算法应用到数值模拟算例和自建的手势识别系统中.实验结果表明:本文所提的SIMSGA算法具有建模速度快,精度高和轻量性等特点.
暂无评论