论文研究 自组织神经网络的参数自适应方法.pdf

自组织神经网络的主要目的是将任意维数的输入信号模式转变成为一维或二维的离散映射，并且以拓扑有序的方式自适应地实现这个过程。学习过程中，对邻域宽度函数和学习率函数参数是根据经验选择的，没有一定的规则或方法，因此，邻域保持映射的获得往往先于参数的学习过程。将线性Kalman滤波器和基于无先导变换的Kalman滤波器分别用于学习率函数和邻域宽度函数的预测，可以提高自组织神经网络的学习能力。改进后的算法可以根据输入数据自适应地调整邻域宽度函数和学习率函数。