树突状网：Gang-neuron

刚神经元 请记住引用原始文章。 论文1：树突状网络：用于分类，回归和系统识别的白盒模块 。 DD可用于通用工程。 本文提出了一种称为Dendrite Net或DD的基本机器学习算法，就像支持向量机（SVM）或多层感知器（MLP）一样。 DD的主要概念是，如果输出的逻辑表达式包含输入（和非）之间相应类的逻辑关系，则算法可以在学习后识别此类。 实验与结果： DD是第一个白盒机器学习算法，对黑盒系统显示出出色的系统识别性能。 九个实际应用程序证明，相对于模仿神经元细胞体（Cell body Net）进行回归的MLP架构，DD具有更好的泛化能力。 通过MNIST和FASHION-MNIST数据集，证实了在更大的训练损失下DD显示的分类精度高于Cell Body Net。 模块的数量可以有效地调整DD的逻辑表达能力，从而避免过度拟合，并易于获得具有出色泛化能力的模型。 在MATLAB