一种用于大规模模式识别问题的神经网络算法.pdfVIP

!#$%’(!(!)*+%’!#’ ,-!./01234/56/578319 软 件 学 报 ;/4!=/* :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 一种用于大规模模式识别问题的神经网络算法? 吴鸣锐= 张 钹 清华大学 计算机科学与技术系 北京 ) = !%@+A 清华大学 智能技术与系统国家重点实验室 北京 ) = !%@+ # E F ! B C3D4 8C1 G 9-G7GD2HI039J0 -2 E(( I77K 888 7GD2HI039J0 -2 摘要 许多实际的模式识别问题如对手写体汉字的识别 都属于大规模的模式识别问题 目前 传统的神经网络 E = = 算法对这类问题尚无有效的解决办法 在球邻域模型的基础上提出一种可用于大规模模式识别问题的神经网络 训练算法 试图加强神经网络解决大规模问题的能力 并用手写体汉字识别问题检验其效果 实验结果揭示了所 = = 提算法是解决大规模模式识别问题的一个有效且具有良好前景的方法 关键词 神经网络 模式识别 字符识别 训练算法 球邻域模型 E A A A A 中图法分类号E !% 文献标识码E LM N 神经网络发展至今 由于其并行和容错等特点 在很多方面 尤其是在模式识别领域已经表现 = = = 出一定的优势和潜力 然而 随着研究的深入 人们已经逐渐认识到就目前情况来看 神经网络尚不 = = = 能有效解决大规模的模式识别问题 大规模的模式识别问题是指问题的特征空间维数高 样本数量 = 大而且类别多 像手写体汉字识别 汉语的音节识别等许多实际问题都是这类问题的典型代表 因 O = 此 解决这类问题对于神经网络理论上的完善以及技术上的实用化都具有重要的意义 = R!S 张铃等人给出了一种新的 神经元的几何意解释 球邻域模型 并在此基础上提出了 # QQ = P M RS 多层前向网络的交叉覆盖设计算法 该算法将神经网络的训练转化为几何的覆盖问题 思路独 = RS 特 而且已经在小规模问题中取得了较好的结果 本文以球邻域模型为基础提出一种新的前馈神 = 经网络训练算法 并以手写体汉字为例 进一步研究神经网络处理大规模问题的能力 =