面向数据流的人工免疫网络增量学习技术

摘要：

针对大规模、动态、时变的数据流环境,给出了一种基于内影像记忆网络的人工免疫网络增量学习算法ICainet,当数据增加时,通过计算新添加数据与记忆网络的匹配程度给出不同的增量处理策略,从而使新算法具有动态跟踪不断递增的大规模数据流的增量学习能力.由于新算法已对数据流先进行一定程度的数据压缩并能”记忆以前数据”,因而占用内存空间少、运算代价很低.实验结果表明,在损失较小程度学习质量的前提下,该方法在运行时间上有明显的优势,可满足不同的应用环境需求.

关键词： 人工免疫网络模型 增量学习算法 数据流 动态跟踪

作者: 岳训 迟忠先 莫宏伟 郝艳友

作者单位: 大连理工大学,计算机科学工程系,辽宁,大连,116024;山东农业大学,信息科学与工程学院,山东,泰安,271018 大连理工大学,计算机科学工程系,辽宁,大连,116024 哈尔滨工程大学,自动化学院,黑龙江,哈尔滨,150001

会议类型: 国内会议

会议名称: 第十六届中国神经网络大会(CNNC2006)暨首届中国人工免疫系统专题会议(CAISC06)

会议地点: 哈尔滨

会议语种:中文

页码: 247-251

在线出版日期: 2006-08-05（万方平台首次上网日期，不代表论文的发表时间）