多层感知机分类器行为延拓线性分析及其应用

严谨的线性判别函数与判别面的理论，适用于线性阈值（MP模型）神经元分类行为分析。本将此理论扩展到非线性sigmoid神经元，分析了用来解决模式分类问题的、由sigmoid神经元构成的单隐层MLP（多层感知机）的内部行为；并通过一系列近似推理与实验验证，提出了将隐层权重矢量初始值均匀地分布在权重空间的一个圆（超球面）上的方法。针对几个困难的分类问题的实验表明，该方法抓住了MLP分类器内部行为的重要特征，它使MLP分类器跨越了可能存在的学习难点，把学习起点放在达到目标较简便的路径上。此方法在理论上简单直接，应用上方便有效，具有一定的普遍性。