《表1 RBF网络学习过程与免疫系统对比关系》
免疫系统的学习性、记忆性和自主调节等特性可以很好地进行聚类分析。同时免疫系统可以帮助提高径向基函数神经网络隐含层在选择数据中心时的效率,并且不用再去确定隐含层数据中心的个数[21]。因此,论文主要利用免疫系统的记忆、抑制和克隆选择等原理对隐含层进行动态调节,自主确定数据中心。以免疫原理为基础的隐含层数据中心生成过程主要为克隆选择和免疫抑制,其输入(训练数据)和输出(隐层数据中心)分别为抗原集合和抗体集合。同时运用免疫系统中亲和力和相似度的概念来生成和筛选数据。当免疫系统运用到网络学习中时,克隆选择能够涵盖更多的样本数据,进化了抗体集合。而免疫抑制在保护高亲和度抗体的同时使得输出数据能够更为全面,提升了克隆选择中全区域的寻优性能。径向基函数神经网络训练与免疫系统的学习区别如表1所示。
图表编号 | XD0037018400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 周智勇、肖玮、田龙、胡培 |
绘制单位 | 中南大学资源与安全工程学院、中南大学资源与安全工程学院、中南大学资源与安全工程学院、中南大学资源与安全工程学院 |
更多格式 | 高清、无水印(增值服务) |