• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Nonsynaptic Error Backpropagation in Long-Term Cognitive Networks
【24h】

Nonsynaptic Error Backpropagation in Long-Term Cognitive Networks

机译：长期认知网络中的非突触错误反向传播

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We introduce a neural cognitive mapping technique named long-term cognitive network (LTCN) that is able to memorize long-term dependencies between a sequence of input and output vectors, especially in those scenarios that require predicting the values of multiple dependent variables at the same time. The proposed technique is an extension of a recently proposed method named short-term cognitive network that aims at preserving the expert knowledge encoded in the weight matrix while optimizing the nonlinear mappings provided by the transfer function of each neuron. A nonsynaptic, backpropagation-based learning algorithm powered by stochastic gradient descent is put forward to iteratively optimize four parameters of the generalized sigmoid transfer function associated with each neuron. Numerical simulations over 35 multivariate regression and pattern completion data sets confirm that the proposed LTCN algorithm attains statistically significant performance differences with respect to other well-known state-of-the-art methods.
机译：我们引入了一种称为长期认知网络（LTCN）的神经认知映射技术，该技术能够记住一系列输入和输出向量之间的长期依赖关系，尤其是在那些需要同时预测多个因变量值的情况下时间。所提出的技术是最近提出的称为短期认知网络的方法的扩展，该方法旨在保留权重矩阵中编码的专家知识，同时优化由每个神经元的传递函数提供的非线性映射。提出了一种基于随机梯度下降的非突触，基于反向传播的学习算法，以迭代方式优化与每个神经元相关的广义乙状结肠传递函数的四个参数。通过对35个多元回归和模式完成数据集的数值模拟，证实了所提出的LTCN算法相对于其他众所周知的最新技术方法具有统计学上显着的性能差异。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号