∑-π型神经网络中误差曲面与学习效率研究

∑－π型神经网络是由具有高阶神经网络特性的单元构成的无隐层网络。研究了∑－π型神经网络中的误差曲面和学习效率，给出了理论推导和分析。对于典型的ＸＯＲ问题，分别使用ＢＰ网络和∑－π网络进行了计算机模拟计算。结果表明，ＢＰ网络中误差曲面存在大量的平台（ｆｌａｔ）和梯阶（ｓｔａｉｒ－ｓｔｅｐ），∑－π网络中误差曲面变化梯度较大，因此具有较快的学习收敛速率，能克服ＢＰ网络的不足。按文中所用模拟计算方法，可以建立∑－π网络和ＢＰ网络中学习参数与学习效率、误差曲面特性之间关系数据库，有利于∑－π网络和ＢＰ网络的参数优选、加速收敛和硬件实现。还讨论了∑－π网络和ＢＰ网络的神经生物学基础。