论文部分内容阅读
基于高维空间划分的原理,提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法.从理论上证明基于CC模型的神经网络的容错性比MP网络要好,而且网络的隐层节点个数远远少于FP网络的隐层神经元个数,对于分类问题其计算复杂性仅为多项式(上界≤O(p2)),p为样本个数.该网络有明确的几何和物理意义,具有持续学习和噪声数据处理能力,适合大规模数据挖掘领域.