generalfuzzymin-max神经网络的改进与应用

？针对generalfuzzymin-max(gfmm)神经网络不能自适应学习新类的缺陷,提出了一种基于该网络的无师训练改进算法。它一方面继承原gfmm网可以处理模糊输入量的优点,重构了网络中的模糊隶属度函数;另一方面结合art2神经网络无师学习的特点,引入了网络警戒门限和运行状态切换控制。改进后的gfmm神经网络完全具备了自适应调整和无师学习的能力,并展现出了良好的并行处理性能。自动目标识别中的应用结果表明:该网络具有广泛的实用性