| 前馈神经网络的学习能力 |
| |
| 引用本文： | 田大钢.前馈神经网络的学习能力[J].系统工程理论与实践,2004,24(11):76-81. |
| |
| 作者姓名： | 田大钢 |
| |
| 作者单位： | 上海理工大学管理学院 |
| |
| 摘 要： | 使用新的分类子网,改进了Huang得到的一个关于两个隐层前馈型神经网络的学习能力的结果,证明了具有$2(2N)^{(1/2)}+2$个隐层节点的神经网络可以学会N个不同的样本.同时,新的讨论方法使得结果对广泛的一类活化函数都适用,而不只限于sigmoid活化函数.
|
| 关 键 词： | 神经网络 学习能力 分类 |
| 文章编号： | 1000-6788(2004)11-0076-06 |
| 修稿时间： | 2003年11月24 |
Learning Capability of Feedforward Networks |
| |
| TIAN Da-gang.Learning Capability of Feedforward Networks[J].Systems Engineering —Theory & Practice,2004,24(11):76-81. |
| |
| Authors: | TIAN Da-gang |
| |
| Institution: | College of Management,University of Shanghai Science and Technology |
| |
| Abstract: | A new grouping subnetwork use to improve Huang's significant result on the learning capability of two-hidden-layer feedforward networks (TLFNs) is presented. The result that feedforward netwroks with 2(2N)~((1/2)) 2 hidden neurons can learn any \$N\$ distinct samples with any arbitrarily small error be obtained. New method ensures the result is valid not only for the sigmoid function, but for a wide class of activation functions. |
| |
| Keywords: | neural networks learning capability classification |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《系统工程理论与实践》浏览原始摘要信息 |
| 点击此处可从《系统工程理论与实践》下载免费的PDF全文 |
