论文部分内容阅读
假设检验中Neyman-Pearson准则是一种基于似然比的信号检测、识别、分类方法.神经网络是实现这种判定准则的优选方案,但是传统的最小平方学习算法,如BP算法等,往往不能取得全局最优解. 针对一种非最小平方学习算法,提出了一种概率分配原则,并给出了一种Neyman-Pearson准则的神经网络实现新算法. 对新算法在假设检验中的应用进行了仿真验证. 结果表明新算法具有更小的误差,更加适用于Neyman-Pearson准则.