新型神经网络的样本点划分方法.doc

神经网络的样本点划分的新方法摘要：异或问题是神经网络的经典应用问题，传统的解决方法往往是通过引入多层感知器模型，建立三层神经网络。本论文将经典异或问题作为切入点，先介绍多层感知器模型的解决方式，再引出一种新型的神经网络样本点划分方法，有效利用超平面内空间，将传统的多层感知器模型解决的问题通过简单模型解决。关键字：异或问题、超平面一、简单感知器感知器是一种早期的神经网络模型，由美国学者F.Rosenblatt于1957年提出.感知器中第一次引入了学习的概念，使人脑所具备的学习功能在基于符号处理的数学到了一定程度的模拟，所以引起了广泛的关注。 简单感知器模型实际上仍然是MP模型的结构，但是它通过采用监督学习来逐步增强模式划分的能力，达到所谓学习的目的。简单感知器模型结构见图一 f()