[最佳非监督自学习单层神经网络用于图像压缩和恢复]章平

【最佳非监督自学习单层神经网络用於图像压缩和恢复】章平.pdf摘要 本文针对多层神经网络反传算法的弱点,提出了 一种最佳非监督自学习单医神经网整模型。由于这种网 络能求出输入数握的任意个主特征分量,在网络的输 大天量维数导输入久量维数相等时,所求得的主特征 亦量与用传通的长一人变换未得的特征分量是完全一 样的,故言之“最佳”。这手中网络模型的算法取名为 Heb新算法,它是在a算法的基础上作形式上的推广而 得到的。很算法是一种简单神经元用于主玩分祈时的 算法。Heb新算法的产尘,有其科学的生物神经学和理 论神经学之基础。3具有较好的抗柴能力 第四章.讨论 34仍存在的问题 342本网络模型与反传网络的内在联系.致谢 琴考文献 附图1(女孩像之8个特征分量) 附(图2.所以,寻找一种层与层之间权系数训练互想 独立的方法,有可能克服以上缺点。这就使得采 用了非监督的白学习算法。对于多层神经匈络,可以 只根摇输入单元的特性而分层训练,化繁就简。因此 研究“非监督自学习单层神经网络”意义重大,它可以构 成神经“大厦”的“基石”,把爱杂的神经元系统具体化 简单化问题的提生和我所做的工作 早在1982年,0ja.E就把一个最简单的神经元模型 用于主元分折,取得了成功,并且发表论文《A我mplitiel JeurnalMathematics and Biolgy 杂志上;那z脏主元 分析的基础上,用类推的方法,是否可以进一步分析还 存在的特征,从而掌握研究对象
———— 文字由OCR识别(未校验)，可能存在错字；请以原始完整版为准。