搜索资源列表
自组织神经网络在文本分类中的应用研究
- 针对信息挖掘中的文本自动分类问题 提出了一种基于自组织特征映射网络的分类方法 网络由输入层和 竞争层组成 输入层节点与竞争层节点实行全互连接 输入层完成分类样本的输入 竞争层提取输入样本所隐含的 模式特征 并对其进行自组织 在竞争层将分类结果表现出来 分无监督和有监督两个阶段完成对网络的分类训练 该方法在特征提取时充分考虑了特征项在文档中的位置信息 构造出模糊特征向量 使自动分类原则更接近手工分 类方法 以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性
self-organizing
- 基于自组织特征映射神经网络的图像压缩算法，ＥＩ检索论文，绝对有参考价值．-Based on self-organizing feature map neural network image compression algorithm, EI retrieval papers, the absolute reference value.
som
- som,自组织神经网路，自组织自适应地改变网络参数与结构。-som, self-organizing neural network adaptively changing the network parameters and structure of self-organization.
Intelligent-computation-methods
- 采用bp神经网络对其进行函数拟合。误差反向传播网络（bp网络）是目前人工神经网络模式中最具代表性，应用最广泛的一种模型，具有自学习、自组织、自适应和很强的非线性映射能力，可以以任意精度逼近任意连续函数。-The bp neural network to its function fitting. Error back propagation network (bp network) is the artificial neural network model of the most repres
An-expanding-SOM
- 自组织映射（SOM）已成功处理的欧式旅行的鹅岭推销员问题（TSP）。通过将其邻域保持财产和 凸包属性数值模拟TSP，我们引入了一个新的SOM如神经网络，称为前panding的SOM（ESOM）的。在每一个学习的迭代，ESOM提请接近的兴奋神经元 输入的城市，并在此期间，推压它们向凸包ofcities合作。 ESOM可能收购邻里保护财产和凸包的属性 的TSP，因此它可以产生接近最优的解决方案。从理论上分析了其可行性 和经验。一个的系列ofexperiments进行合成和基准的T
sonno
- TGSOM一种用于数据聚类的动态自组织映射神经网络,一篇不错的论文-Dynamic TGSOM for data clustering self-organizing map neural network, a good thesis
SOM-introduction
- SOM自组织特征映射神经网络原理讲解。写的很细致，适合初学者参考学习使用。-SOM self-organizing feature map neural network theory to explain. Write very detailed, suitable for beginners learning to use.