多層前向神經(jīng)網(wǎng)絡(luò)分類器的泛化問(wèn)題研究.pdf

1、唯有認(rèn)知世界才能改造世界，提升機(jī)器認(rèn)知能力的模式識(shí)別研究是人工智能領(lǐng)域的基礎(chǔ)核心理論研究工作。另一方面，人工神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱ANN)本身具有很多優(yōu)點(diǎn)以及一些其它人工智能技術(shù)所不具備的特點(diǎn)，但由于缺乏正確的理論指導(dǎo)，近年來(lái)ANN的發(fā)展并不樂(lè)觀，應(yīng)用研究中碰到的泛化問(wèn)題至今仍沒(méi)有完善的解決方案。鑒于模式識(shí)別在人工智能領(lǐng)域的重要地位以及ANN的研究現(xiàn)狀，本文以模式識(shí)別為背景，以多層前向神經(jīng)網(wǎng)絡(luò)分類器為具體研究對(duì)象，研究了ANN領(lǐng)域的熱點(diǎn)問(wèn)題—泛

2、化問(wèn)題。 本文的研究主旨在于：期望通過(guò)本文這一探索性研究工作，使一些僅重視應(yīng)用研究的ANN研究者充分認(rèn)識(shí)到理論研究的重要性和必要性，以及應(yīng)用研究與理論研究的不可分性，促進(jìn)ANN更加蓬勃的發(fā)展。 本文主要的創(chuàng)新點(diǎn)和貢獻(xiàn)有： 1)通過(guò)分析以往研究工作，發(fā)現(xiàn)了ANN分類器依概率漸進(jìn)最優(yōu)性證明過(guò)程中存在的問(wèn)題，從而指出以往的理論結(jié)果存在著偏差。 2)在分析以往研究工作不足的基礎(chǔ)上，建立了學(xué)習(xí)樣本濾波(Learni