您的位置： 专家智库 > >

陈一峰

作品数：2 被引量：3H指数：1
供职机构：北京理工大学人工智能研究所更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇模式识别
  • 1篇神经网络模型
  • 1篇网络
  • 1篇网络模型

机构

  • 2篇北京理工大学

作者

  • 2篇曹元大
  • 2篇陈一峰

传媒

  • 1篇模式识别与人...
  • 1篇Journa...

年份

  • 2篇1996
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
一种用于时空模式识别的综合神经网络被引量：1
1996年
介绍了一种用于时空模式识别的综合神经网络模型，称为ＴＳ－ＬＭ－ＳＯＦＭ．该网络的顶层是一种称为ＴＳ（ｔｅｍｐｏｒａｌｓｅｑｕｅｎｃｅ）的单层时序识别网络，可以把时序模式转换成抽象的空间模式．该网络的底层是ＳＯＦＭ（自组织特征映射网络），用于空间模式特征检测．ＬＭ（学习矩阵）用于上述两层的联接．在实验中，用移动机器人超声阵列传感器作为输入训练，结果表明，该神经网络输出的模式能够较好地抽象表示输入信号的时空特征．
曹元大陈一峰
关键词：神经网络模式识别
一种时空模式识别的综合神经网络模型被引量：2
1996年
本文提出一种用于时空模式识别的综合神经网络模型,称为TS-LM-SOFM.该模型高层是一种单层时序整合网络,称为TS(Temporal Sequence)网络.TS网络以稀疏激励模式作为输入,由于神经元的兴奋性衰减作用,存储记忆的时序模式会在空间上逐渐展开,变换为抽象的空间模式.该模型底层是SOFM(Self-Organizing Feature Map),其作用是空间模式整合与实际信号的特征检测.LM(Learning Matrix)作为TS与LM的中间过渡层.利用TS-LM-SOFM对超声导航的机器人实际采集的数据进行处理,实验表明,TS-LM-SOFM神经网络输出的模式能够较好地抽象表示输入信号的时空特征.
陈一峰曹元大
关键词：神经网络模式识别
全选 清除 导出
共1页<1>
聚类工具0