论文部分内容阅读
由多个尽可能多样化的分类器（前馈神经网络）组成的多分类器系统（MCS）能够显著地提高单个分类器的分类或推广能力。受MCS基本思想的启发，将集成引入到双向联想记忆快速学习（QLBAM）中，构建出一个BAM集成，旨在提高存储容量和纠错性能的同时，不破坏每个成员BAM的简单结构。计算机仿真表明，选择合适的“过剩生产与挑选并存”策略，即“稀疏算法”后，所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM。