论文部分内容阅读
把二进神经网络对布尔函数映射的学习归结为神经元对学习样本集合的表达。通过对神经元表达能力的分析研究，引入加权距离汉明球的概念，既提高了学习效率也简化了布尔函数实现结构。同时把汉明球及立方体集合覆盖思想等统一在加权汉明距离球覆盖的框架下，另外，还得到旨在提高输出层神经元表达能力的新结果，最后举例说明了此学习策略的可行性与特点，经学习得到的二进神经网络的权系数及阈值皆为整数，易于硬件实现。