基于高维空间划分的神经网络分类学习模型

摘要：

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.

关键词：神经网络、非线性、CC模型

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国防预研项目

在线出版日期：2008-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：194-204