多层前馈网络在模式识别中的理论和应用

瞿东晖; 张立明

您当前的位置：

首页 >

文章列表页 >

多层前馈网络在模式识别中的理论和应用

更新时间：2025-12-08

- 多层前馈网络在模式识别中的理论和应用
- The Theoretical Analysis and Application of the Multi-Layered Feed-forward Neural Network for Pattern Recognition
- 电子学报 1995年第7期
- 作者机构：
  
  复旦大学电子工程系
- 作者简介：
- 基金信息：
  
  国家自然科学基金,“八五”攀登计划资助
- DOI：
  中图分类号： O235
- 纸质出版：1995
- 稿件说明：
移动端阅览
[1]瞿东晖,张立明.多层前馈网络在模式识别中的理论和应用[J].电子学报,1995(07):64-68.

瞿东晖, 张立明. The Theoretical Analysis and Application of the Multi-Layered Feed-forward Neural Network for Pattern Recognition[J]. Acta Electronica Sinica, 1995, (7).
[1]瞿东晖,张立明.多层前馈网络在模式识别中的理论和应用[J].电子学报,1995(07):64-68. DOI：

瞿东晖, 张立明. The Theoretical Analysis and Application of the Multi-Layered Feed-forward Neural Network for Pattern Recognition[J]. Acta Electronica Sinica, 1995, (7). DOI：

摘要

本文从理论上证明了具有线性输出单元的多层前馈网络能用作最优特征提取器．同时还证明了多层前馈网络分类器的输出函数是最小均方误差意义下对Ｂａｙｅｓ决策函数的逼近，对于具有线性输出单元的三层前馈网络，当隐层单元数足够多时，这种逼近能达到任意精度，在此基础上，我们提出了一个综合了特征提取网络和分类器网络的组合神经网络模型，其性能好于单个的三层前馈网络．

Abstract

This paper proved that the multi-layered feed-forward neural network with linear output nodes can be used as an optimal feature extractor.It is also proved that the output function of a classifier network is a least-meansquare approximation to the Bayes decision function.For a threelayered network with linear output nodes

arbitrary approximation precision can ha obtained if the network has enough hidden nodes.On the basis of these conclusions

a combined netwrok with the functions of both feature extraction and decision is proposed.The result shown that this combined network has better properties than that of a single network.

关键词

Keywords

references

浏览量

172

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一个基于神经树结构的模式分类系统

应用最优小波包变换的特征提取方法

一个基于相关存储的模式识别方法

基于认知模拟的多路信息融合系统的研究

复杂人机交互场景下的指势用户对象识别