神经元网络鲁棒能量函数的构造原理

摘要

分析了ＭＬＰ网络常用的ＬＳ型能量函数和ＢＰ算法在随机非线性函数逼近中的局限性，由此提出了“学习强度”、“误差中心曲面”等新概念。基于一个结构性定理，给出了构造能抵抗噪声干扰的特殊能量函数的一般方法。仿真结果证实，加入噪声后，基于鲁棒能量函数的新算法，在收敛率、平稳性和鲁棒性方面，明显优于通常的ＢＰ算法。