论文部分内容阅读
前馈网络已广泛地应用于解决各种分类问题。但是,对于某一具体问题,人们为了获得最佳的网络结构和最佳的学习效果,不得不采用穷举法,从而使得前馈网络的结构优化及其最佳训练样本的选择随着问题规模的变大变得越来越困难,有时甚至不可能。本文试图通过对前馈网络的结构及其隐含层中隐含神经元的分析,提出前馈网络结构优化的标准。在此基础上讨论神经网络结构和产生最佳学习效果的最佳训练样本选择的关系,从而为前馈网络用于解决实际分类问题时所遇到的网络结构优化和最佳训练样本的选择提供一个有效的方法。