论文部分内容阅读
ＩＨＭＣＡＰ算法将基于概率论的符号学习与神经网络学习相结合，通过引入ＦＴＡＲＴ神经网络，成功地解决了符号学习与神经网络学习精度之间的均衡性问题，实现了两种不同思维层次的靠近，该算法采用一种独特的增量学习机制，当增加新的实例时，只需进行一扁增量学习，调整原结构，不必重新生成判定树和神经网络，即可提高学习精度，速度快，速率高，同时，这种增量学习机制还可以降低算法对噪音数据的敏感度，从而使ＩＨＭＣＡＰ可