IFA在知识可增殖神经网络中的应用.pdf

第23卷增刊 铁 道 学 报 Vol23 Supple !!!!篁!!旦 !竺竺墨些垒!：!!!三坚曼三坚!些垒里垒!兰竺垒兰量望竺!三三兰 竺!!!竺! !!丝! 文章编号2001)So一0019-04 IFA在知识可增殖神经网络中的应用 赵嘉莉， 罗四维 (北方交通大学计算机科学技术系，北京 100044) 摘要：独立分量分析(ICA)将混合信号看作是相互独立的源信号的线性组合．近年束引起了神经计算和信号 处理领域专家的重视。本文提出一种新的基于独立特征分析的知识可增殖人工神经网络模型，从而进一步完善了 ICA的功能、增强了嵌入的独立学习人工神经网络功能的完备性。并且针对知识可增殖人工神经网络的要求提出 相应的扩展EM算法．增加了运算速度。 关键词：神经网络；独立分量分析；EM算法 中围分类号：TPl83文献标识码：A ofIFAin increasableneuralnetwork Applicationknowledge ZHAOli．LUOSi—wei Jia of Science DepartmentComputer8 100044，Chiaa Technology．NorthernJiaotongUniversity，Ecijing thetasktOobtainthe source from Abstract：Independentcomponentanalysis(ICA)，with independentsignals the invited sensors·hastheattentionofresearchersinthefieldofneural and computingsignalprocessing，The anovel increasableneural basedon factoranal paperpresented network(KINN)model knowledge independent method．forIhe tO lhe aswellas the ofICA to of ysis purposeimproveperformance perfectmaturityembedding neuralnetworkinK1NN．Furthermore，aEM withfaster rateis independent generalizedalgorithm converging heret0achievethefunctionsofKINN． presented Keywords：neuralnetwork；independentcomponentanalysis；expectation—maximizationalgorithm 知识可增殖人工神经网络(KINN)利用不断嵌入理专家、神经网络领域专家的重视。ICA将混合信号 不同功能的独立学习人工神经网络来增殖整体人工神 看作是相互独立的源信号的线性组合，可以认为是主 经网络的功能．具有知识继承和积累作用，其规模能不