home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #30 / NN_1992_30.iso / spool / comp / ai / neuraln / 4559 < prev    next >
Encoding:
Internet Message Format  |  1992-12-12  |  2.9 KB
  1. Path: sparky!uunet!mcsun!uknet!cam-eng!visakan
  2. From: visakan@eng.cam.ac.uk (Visakan Kadirkamanathan)
  3. Newsgroups: comp.ai.neural-nets
  4. Subject: Paper available
  5. Message-ID: <1992Dec12.112520.26763@eng.cam.ac.uk>
  6. Date: 12 Dec 92 11:25:20 GMT
  7. Sender: anon@eng.cam.ac.uk (placeholder for future)
  8. Organization: Cambridge University Engineering Department, UK
  9. Lines: 67
  10. Nntp-Posting-Host: dsl.eng.cam.ac.uk
  11.  
  12. The following paper is available via ftp. It is placed in the Cambridge 
  13. University ftp archive svr-ftp.eng.cam.ac.uk. The ftp instructions for 
  14. retrieval follow the summary. 
  15.  
  16. The paper appeared In Proceedings of the Institute of Acoustics, Volume 14, 
  17. Part 6, 1992.
  18.  
  19. ------------------------------------------------------------------------------
  20.     Application of an architecturally dynamic network for speech
  21.             pattern classification
  22.  
  23.  
  24.         Visakan Kadirkamanathan and Mahesan Niranjan
  25.  
  26.  
  27.          Cambridge University Engineering Department
  28.             Cambridge CB2 1PZ, England
  29.  
  30.  
  31.  
  32.                 SUMMARY
  33.  
  34. We have previously adopted a function estimation approach to the problem of 
  35. sequential learning with neural networks and derived a network that grows with
  36. increasing observations. This network is a single hidden layer Gaussian radial 
  37. basis function (GaRBF) network with a single output unit. On receiving new 
  38. observation, the network adds a new hidden unit or adapts the existing 
  39. parameters by the Kalman filter.
  40.  
  41. In this paper, we extend the network to have multiple output units. By 
  42. choosing to adapt only the linear coefficients (hidden - output layer 
  43. weights), considerable memory savings can be achieved for the resulting Kalman 
  44. filter than if the parameters of the basis functions were also adapted. 
  45. Results for this network are presented for the Peterson-Barney vowel 
  46. classification problem in which the 
  47. observations are presented sequentially and only once. The performance is 
  48. comparable to that achieved by some of the standard block estimation methods. 
  49. This approach can also be viewed as an alternate method of arriving at an 
  50. approximate complexity of the network required to solve a given problem, 
  51. eliminating the need for an a priori selection of network size. 
  52.  
  53. ------------------------------------------------------------------------------
  54.  
  55. FTP INSTRUCTIONS:
  56.  
  57. unix> ftp svr-ftp.eng.cam.ac.uk
  58. Name: anonymous
  59. Password: (your_userid@your_site)
  60. ftp> cd reports
  61. ftp> binary
  62. ftp> get kadirkamanathan_ioa92.ps.Z
  63. ftp> quit
  64. unix> uncompress kadirkamanathan_ioa92.ps.Z
  65. unix> 
  66.  
  67.  
  68. Other related reports placed in the archive are:-
  69. kadirkamanathan_tr111.ps
  70. kadirkamanathan_icassp92.ps
  71.  
  72. ------------------------------------------------------------------------------
  73.  
  74. --
  75. Dr.Visakan Kadirkamanathan                    email: visakan@uk.ac.cam.eng
  76. Cambridge University Engineering Department
  77. Trumpington Street, Cambridge CB2 1PZ, UK.    Tel  : +44 223 332754
  78. ------------------------------------------------------------------------------
  79.