论文部分内容阅读
用一组训练样本对神经网络进行训练后,网络对训练阶段未曾见过的样本也能正确分类。但传统的神经网络模式分类方法泛化能力不十分理想,而且不稳定。对同一个分类任务,训练样本改变,分类器泛化能力的大小也会改变。该文提出一种基于最优分类面的神经网络模式分类方法。通过寻找并训练最优分类面,提高网络的泛化能力,增强泛化能力的稳定性。用异或问题和双螺旋线问题验证该新方法的有效性和泛化能力,取得了令人满意的结果。