【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