对称神经元网络:渐近稳定性和学习

汪涛; 何志均; 俞瑞钊

您当前的位置：

首页 >

文章列表页 >

对称神经元网络:渐近稳定性和学习

更新时间：2025-12-08

- 对称神经元网络:渐近稳定性和学习
- Symmetric Neural Network: Asymptotic Stability and Learning
- 电子学报 1993年第8期页码：86-89
- 作者机构：
  
  1. 浙江大学计算机科学和工程系
  2. 浙江大学计算机科学和工程系杭州310027
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：1993
- 稿件说明：
移动端阅览
[1]汪涛,何志均,俞瑞钊.对称神经元网络:渐近稳定性和学习[J].电子学报,1993(08):86-89.

Wang Tao, He Zhijun, Yu Ruizhao. Symmetric Neural Network: Asymptotic Stability and Learning[J]. Acta Electronica Sinica, 1993, (8): 86-89.
[1]汪涛,何志均,俞瑞钊.对称神经元网络:渐近稳定性和学习[J].电子学报,1993(08):86-89. DOI：

Wang Tao, He Zhijun, Yu Ruizhao. Symmetric Neural Network: Asymptotic Stability and Learning[J]. Acta Electronica Sinica, 1993, (8): 86-89. DOI：

摘要

本文在分析对称神经元网络的渐近稳定性基础上

提出了一种非约束优化学习算法

保证训练样本成为稳定吸引子

具有一定大小的吸引域.理论上

我们证明了算法的收敛性以及形成的吸引域下界.计算机实验结果充分说明了学习算法的优越性.

Abstract

In this paper

we present an unconstrained optimal learning rule by analyzing asymptotic stability of the symmetric neural network. It ensures to store each training pattern with a nontrivial basin of attraction. Theoretically

we study convergence theorem of the learning algorithm and a lower bound of attraction basin. Computer simulations are reported to show its advantages.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种用于图像编码的区域分割新方法

用神经元网络识别仿射变换下的飞机模型

有效的自适应波达方向盲估计算法

雷达地图匹配制导中的共性特征提取与匹配方法