论文部分内容阅读
近年来支持向量机（SVM）理论得到国外学者高度的重视，普遍认为这是神经网络学习的新研究方向, 近来也开始得到国内学者的注意.该文将研究SVM理论与神经网络的规划算法的关系, 首先指出，Vapnik的基于SVM的算法与该文作者1994年提出的神经网络的基于规划的算法是等价的，即在样本集是线性可分的情况下,二者求到的均是最大边缘（maximal margin）解.不同的是，前者(通常用拉格郎日乘子法)求解的复杂性将随规模呈指数增长, 而后者的复杂性是规模的多项式函数.其次, 作者将规划算法化为求一点到某一凸集