构造型神经网络双交叉覆盖增量学习算法

研究了基于覆盖的构造型神经网络(coverbasedconstructiveneuralnetworks,简称cbcnn)中的双交叉覆盖增量学习算法(bicoveringalgorithm,简称bica).根据cbcnn的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,bica学习算法不但保留了cbcnn网络的优点与特点,而且实现了增量学习并提高了cbcnn网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感.