基于神网络三层分类模型研究.pdfVIP

神经网络分类问题解决方法

·D·菲尔兹大卫·

M·克拉凯文·S·鲁

兰德大学圣路易

斯，密苏里州63130

导师：A·F·克莱纳

我们描述了一种利用神经网络解决分类问题的方法。讨论了神经网络

的基本数学特性、结构及其训练过程，重点分析了隐藏节点中阈值函数的

作用及其在分类问题中的价值，同时探讨了不确定性与稳定性问题。最后，

作为对比，介绍了一种基于神经网络的替代解决方案——学习向量量化。

神经网络导论

神网络基于人类认知机制，试图模拟神经元的学习与决策过程。其

经

通过概念关联进行工作，因此非常适合解决此类问题。

商业神经计算机的早期发明者R.Hecht‑Nielsen曾对神经网络做出精

辟定义：一种由多个简单且高度互联的处理元件组成的计算系统，通过对

外部输入产生动态状态响应来处理信息[Caudill1987]。

由于神经网络通常表示为有向图（参见图1和图2），处理元件可称为

节点，连接线称为弧。节点的值是前驱节点值乘以连接弧权重的求和函数。

在我们这类简单系统中，节点严格分层排序，第n层节点仅向第n+1

层节点传递或激活。模型采用三层结构：第一层是仅接收外部数据的输入

层，中间或称隐藏层则

Neural-N