论文部分内容阅读
根据Madaline网络工作原理,针对其网络特点和现有算法中存在的缺点,包括存在权值修改公式参数较多不容易协调,经验取值缺乏理论依据不够灵活,按照置信度原则进行翻转神经元会陷入"局部震荡"。提出改进的MRII学习算法,通过建立神经元敏感性替代置信度作为度量隐层神经元翻转的尺度,并采用感知机学习规则,减少权值调整次数,实验结果验证了该算法的优越性。