论文部分内容阅读
该文介绍一种特殊结构的人工神经网络；这种网络中的每一个权重可随其输入的不同分别取两个不同的（可变的）加权值；而网络中的神经元激发函数为线性求和函数。以此结构实现的多层前馈神经网络可对复杂问题进行学习。该文仅分析此网络对ＸＯＲ问题学习的有效性。文中以误差梯度下降法对网络进行学习；以学习过程中状态变量的变化趋向及样本在隐节点上的一维映射，分析网络中权重的启动和独立映射的形成。实验和分析证明具有一个隐节点的这种网络就可对ＸＯＲ问题进行有效的学习和分类。并且以线性或分段线性响应的网络对样本进行学习，其学习时间会大大缩短，网络输出误差也可有效地得到控制。（本刊录）