论文部分内容阅读
竞争型神经网络存在“死点”问题，某些神经元在竞争中可能始终未能获胜而成为“死神经元”，不仅造成神经元的浪费，而且造成训练误差偏大，无法达到训练误差的精度要求，不能很好完成它所担负的聚类或分类任务。针对该问题，研究竞争型神经网络的切入点，深入探讨了LVQ神经网络并且通过引入阈值学习规则，均衡神经元获胜的机会，较好地解决了该类网络在遇到“死”点时训练误差偏大的问题，仿真实验结果表明了该方法的有效性。