MLQP神经元网络的学习算法及其典型应用

论述了一种多层二阶神经元MLQP(MultilayerQuadraticPerceptron)网络模型的结构和学习算法。这种模型综合了一般多层神经元网络和高阶神经元网络的特点,其结构简单,可调整权数量适中,学习速度快。文中以典型的模式分类和函数逼近问题为例,比较了这种网络和传统的一阶网络以及两种其他类型的二阶网络的学习速度,验证了MLQP快速收敛性。

线性和二次型多层神经网络的学习速度

我们提出了一种多层次二次型神经网络结构ＭＬＱＰ（ＭｕｌｔｉｌａｙｅｒＱｕａｄｒａｔｉｃＰｅｒｃｅｐ－ｔｒｏｎ），这种网络综合了多层神经网络和高次神经网络的特点。本文论述了ＭＬＱＰ的学习算法，并且通过仿真实验比较了ＭＬＱＰ与其他几种神经网络的学习速度。结果表明ＭＬＱＰ的性能优于其他几种神经网络。