前馈网络外监督分类器的分类机理研究

本文从子空间变换的角度，研究了前馈网络（FFN）外监督分类器用于分类的机理．在批方式学习最小二乘误差代价函数为零的条件下，证明了线性输出FFN（或线性FFN）外监督分类器的输出节点对应的不同类别权矢量，是相互正交的，而非线性输出FFN外监督分类器对应的类别权矢量位于互反的类别于空间内；证明了网络获得零代价全局最小解的充要条件是R（Y）R（X）．