文献类型：期刊文章

作　　者：武妍[1] 王守觉[2]

机构地区：[1]同济大学计算机科学与工程系,上海200092 [2]同济大学半导体与信息技术研究所

出　　处：《同济大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(60135010)

年　　份：2005

卷　　号：33

期　　号：4

起止页码：516-519

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005329289963)、IC、INSPEC、JST、MR、PROQUEST、RCCSE、SCOPUS、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：从神经网络的连接方式着手,扩展从隐含层到输出层的连接,提出了一种新的神经网络连接结构,在此基础上推导出了相应的学习算法.并通过对奇偶问题、非线性函数逼近问题、模式分类问题等的仿真,验证了所提出方法的有效性.实验结果表明,通过适当地调整线性输出与非线性输出的比例,所提出的算法具有训练速度快和正确识别率高的双重优点.

关 键 词：学习算法 神经网络 连接结构 泛化

分 类 号：TP183]