CAN^2：构件组合式神经网络
摘要
探索有广阔应用前景的工程化神经计算技术是促进智能计算技术进展的一种有效途径。为有效解决工程化神经计算面临的难题：神经网络的＂黑箱性＂,提出了构件组合式神经网络（component-assembled neural network,CAN2）。基于CAN2技术,构建了易于理解和复用的数字逻辑神经构件库（digital logic neuro-component library,DLNL）。应用DLNL实现复杂数字逻辑功能、解决任意分类问题,展示CAN2技术的优越性。实验表明,CAN2能有效减少神经网络的＂黑箱性＂,有较强的可复用性,为神经计算工程化作出了一种有效的尝试。
引用本文（GB/T 7714）
吴和生, 王崇骏, 谢俊元. CAN^2：构件组合式神经网络[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2010.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。