有监督原型神经网络的训练方法及其在质谱分析中的应用
 
US11848353  2007-8-31  发明申请

2008-4-24
 
  一种用于模式识别、序列和图像处理的神经气体网络,通过扩展具有附加项的神经气体网络的代价函数而扩展到具有标记的原型的监督分类器,每个附加项随着原型的类标记的元素和训练数据点之间的差异而增加,并且随着它们的距离而减少。 然后通过自适应原型的权重向量来迭代地最小化扩展成本函数。 然后可以使用训练的网络来对质谱数据进行分类,特别是来自生物样品的质谱数据。
 
仿站