导　　师： 韦岗

学科专业： H1001

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 该文着重研究前向神经网络的学习算法,同时,还研究了其它类型神经网络的若干问题.该文的主要工作如下:(1)提出了种单层神经网络的线性化学习算法,该方法通过对目标函数进行了合理近似,能用求解线方程组的方法快速求出最佳权值.得到拇性化算法可分离离线和在线两种情况.在线算法能在有限次迭代中获得与离线算法相同的效果.还经出了单层网络误差下界的估计公式.(2)提出了一种新的多层前向神经网络扮层线性优化算法.(3)给出了一种多层前向神经网络的整体线性优化算法,特点是将网络权所有权值作为一个整体进行优化.(4)导出了hopfield连续神经网络新的局部旨数收敛的条件,并指数收敛的速度进行估主.(5)给出了前向glenbe网络函数逼近能力新的构造性证明方法.

关 键 词： 神经网络 前向网络 学习算法 线性优化法 网络 指数收敛 收敛速度 函数逼近能力

分 类 号： [TP183]

领　　域： [自动化与计算机技术] [自动化与计算机技术]