高阶神经网络模型中的学习算法研究

摘要

目的探索高阶神经网络模型中的学习算法.方法通过在高阶神经网络模型中引入新的学习算法增强高阶神经网络模型性能,给出了新学习算法的理论分析、收敛性证明,进行了仿真实验.结果新学习算法下的高阶神经网络模型的性能指标优于传统Hebb型学习算法下的高阶神经网络模型.结论新学习算法下的高阶神经网络模型具有更好的优良特性,有利于其在信息存储、模式识别领域中的应用.