深层神经网络模型的结构,特征及新型算法研究

深层神经网络具有重要的大脑结构特征，具有很强的非线性逼近能力，是当前国际神经网络研究领域研究重点之一。本项目不仅研究了深层神经网络的结构特征，而且研究基于该神经网络的信息处理机制。首先建立了深层神经网络理论，包括静态影射网络和动态神经网络的结构特征，通用逼近性质及新型算法，深层神经网络比一般的三层网络具有更强的通有逼近能力、柔性结构和快速学习能力。研究了基于深层神经网络结构的拟人脑的智能信息处理机制。提出了基于深层神经网络结构的信号盲分离与盲反卷积的理论与方法，给出了相应高效学习算法，分析了基稳定性和收敛性。深层神经网络模型在研究智能信息处理、脑型计算机、智能控制等领域具有广泛的应用前景。