[发明专利]融合自组织映射与概率神经网络的增量式学习方法无效
| 申请号： | 201310451473.9 | 申请日： | 2013-09-27 |
| 公开（公告）号： | CN103489033A | 公开（公告）日： | 2014-01-01 |
| 发明（设计）人： | 於东军;胡俊;戚湧;唐振民;杨静宇 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 朱显国 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种融合自组织映射与概率神经网络的增量式学习方法，包括以下步骤：初始学习：利用自组织映射从原始样本中提取样本分布规律，将原始样本分为多个类别的训练数据集；然后对每一类别的训练数据集进行训练，得到每个类别训练数据集的自组织映射；使用训练后自组织映射的原型向量作为模式神经元来构建概率神经网络；如果新数据集为已知类别的数据集，进行局部的调整学习即可；如果新数据集是新类别的数据集，则新训练一个独立的自组织映射，并将其原型向量加入所述概率神经网络中。本发明的方法可克服传统的机器学习算法通常基于静态的数据集来构造决策模型，且不能有效利用蕴含在新的可用数据中的知识的缺陷。 | ||
| 搜索关键词： | 融合 组织 映射 概率 神经网络 增量 学习方法 | ||
【主权项】：
一种融合自组织映射与概率神经网络的增量式学习方法，适于对不同类型新可用数据的增量学习，其特征在于，该方法包括以下步骤：初始学习：利用自组织映射从原始样本中提取样本分布规律，将原始样本依据样本所属的类别，划分为多个训练数据集；然后使用每一类别的训练数据集训练得到一个独立的自组织映射；构建概率神经网络：使用训练后自组织映射的原型向量作为模式神经元来构建概率神经网络；以及新数据集的学习，包括：1）如果新数据集为已知类别的数据集，则查找该已知类别的自组织映射并进行局部的调整学习得到新的自组织映射，再用新的自组织映射替换原有的该已知类别的自组织映射；以及2）如果新数据集不是已知类别的数据集，则新训练一个独立的自组织映射，并使用其原型向量作为该类别的模式神经元，用于概率神经网络的构建。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310451473.9/，转载请声明来源钻瓜专利网。
