M-P神经元模型的几何意义及其应用

给出Ｍ－Ｐ神经元模型的几何意义，这个几何的铨释，给神经元一个非常直观的理解，利用这个直观的理解，给出两个颇为有趣的应用：（１）用此法给出三层前向神经网络的学习能力的基本定理的新的证明；（２）给出前向网络的拓扑结构设计的新方法．

一种新的基于构造型RBF神经元网络分类算法

依据RBF神经元模型的几何解释,提出一种新的构造型神经网络分类算法.首先从样本数据本身入手,通过引入一个密度估计函数来对样本数据进行聚类分析;然后在特征空间里构造超球面,以逼近样本点分布的几何轮廓,从而将神经网络训练问题转化为点集“包含”问题.该算法有效克服了传统神经网络训练时间长、学习复杂的缺陷,同时也考虑了神经网络规模的优化问题.实验证明了该算法的有效性.