二进神经网络表达奇偶校验问题的隐元最小数目上界

摘要：

二进神经网络采用线性分类,是结构简单又易于实现的一类神经网络,在许多应用领域中都有重要研究价值.对于单隐层二进神经网络,目前隐层规模的确定问题仍然没有明确的研究结论.本文在研究隐层规模问题的过程中,提出了布尔空间的最多孤立样本问题.在二进神经网络隐层神经元各自表达一个“与”关系,所有隐层神经元通过输出元形成“或”关系的情况下,证明了实现最多孤立样本问题需2n-1个隐层神经元.更重要的是,指出了n元奇偶校验问题和最多孤立样本结构的等价性.进一步地,通过引入隐层抑制神经元将隐元数目降为n,说明了抑制神经元在二进神经网络中的重要作用.最后,在Hamming球与sP函数的基础上,揭示出抑制神经元和n元奇偶校验问题的逻辑关系,并给出了奇偶校验问题的逻辑式表达.

关键词：二进神经网络、抑制神经元、n元奇偶校验、Hamming球、SP函数

所属期刊栏目：42

分类号：TP183(自动化基础理论)

在线出版日期：2012-06-27（万方平台首次上网日期，不代表论文的发表时间）

页码：352-361