关于神经网络不同模型化方法的比较研究及其统一理论

人工神经网络已经发展成为一类标准的通用信息处理技术，但其应用的有效性强烈依赖应用的技巧性（如对网络模型、学习算法、样本个数的选择等）。这一现状呼唤对神经网络本质性态的透彻理解，呼唤对各种已知神经网络的综合评判和对一系列神经网络重大理论基础问题的突破。本项研究围绕这一目标，对神经网络模型化所普遍采用的两类建模方法-神经元状态模型化与局部场模型化方法展开比较研究，揭示由这两类模型化方法所导出神经网络系统的各自优势与极限行为不变性；基于所建立的不同模型化方法比较理论，提出研究神经网络极限行为的Reference Model方法；另外，籍于对神经网络激活函数的深刻考察，提出统一已有反馈神经网络的算子论框架，并建立统一的反馈神经网络稳定性、收敛性、能量正则性、学习算法等理论。所获结果将为神经网络的综合评判建立理论依据，也将部分地解决相关的神经网络理论基础问题.