多层感知器的模糊线性分析应用.pdf

多层感知器的模糊线性分析及应用 摘 要 对神经网络内部行为的研究一直是神经网络研究领域的一大课题，特别是对 应用广泛的多层感知器的研究价值尤为突出。研究结果对深入了解神经刚络的内 部行为、优化网络、提高网络性能以及知识提取等都有着积极的作用。 线性判别函数理论是线性分类器的分析基础，不适于非线性分类器。对于简 单的完成线性分类功能的感知器，已经有系统的理论指导，但是对于复杂得多的 多层感知器，目前尚无系统的理论指导，仍处在发展阶段。在模式识别经典判别 函数理论的基础上，结合模糊集合理论，对用于模式识别和分类的多层感知器的 行为进行的分析，借用经典判别函数理论的概念，把非线性激励函数视作隶属度 函数，提出了模糊线性判别函数、模糊判别面和模糊线性分类器的概念，得到了 如下结论F．LDF： 1)模糊线性判别函数net(X)=W 将特征空间分割(带有模糊区域)： 2)该神经元的权重向量w是模糊判别面的法线向量，确定了模糊判别面的 朝向； 3)原点到判别面的距离为，=一b／llwll，偏移量b决定着模糊判别面的位置， 改变偏移量b值即移动模糊判别面相对于原点的距离。 利用该概念，对用于模式识别和分类