基于信息熵理论的前馈神经网络分类器结构优化

本项目研究前馈网络分类器的结构特性、变换特性和分类特性，包括全局优化、学习算法、网络模型、分类机理、推广能力及其应用等。为了分析和比较，我们还研究了线性前馈网络的“瓶颈”行为，以及一般的（非线性）前馈网络突破“瓶颈”行为的机理。提出了一种径向基概率神经网络模型和广义径向基函数分类器模型；提出通过增加网络输出类别节点的方法来提高网络的推广能力；提出使用前馈网络加递推最小二乘算法或约束学习算法的方法，来实现（实或复）矩阵的求逆、任意多项式求根、线性方程求解和任意多变量多项式因式分解，以及所有存在明显约束关系的优化问题等。共发表学术论文36篇，出版学术专著一部。超额完成了申请书中提出的预期目标。