论文部分内容阅读
提出了一种基于模块化的神经网络的系统结构和学习算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略。一般函数逼近和三维墨西哥草帽等2个实现表明,该文提出的结构和算法是可行的、有效的;与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有并行性高、通用性强、对新增样本易于学习、便于硬件实现等特点。