Adaptive Learning and Pruning Using Periodic Packet for Fast Invariance Extraction and Recognition

作     者：常胜江 张便利 林列 熊涛 申金媛 

作者机构：InstituteofModernOpticsNankaiUniversityTianjin300071 KeyLaboratoryofOpto-electronicsInformationTechnicalScience(MinistryofEducation)NankaiUniversityTianjin300071 

出 版 物：《Chinese Physics Letters》 (中国物理快报（英文版）)

年 卷 期：2005年第22卷第2期

页      面：295-297页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0704[理学-天文学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金 天津市自然科学基金 国家教育部高等学校博士学科点专项科研基金 南开大学科技创新基金 

主　　题：自适应修正 周期信息包 恒定萃取法 信息认证 人工神经网络 

摘      要：A new learning scheme using a periodic packet as the neuronal activation function is proposed for invariance extraction and recognition of handwritten digits. Simulation results show that the proposed network can extract the invariant feature effectively and improve both the convergence and the recognition rate.