摘要: 在理论研究和实际应用中,神经网络的结构问题一直是个难点.本文利用Vugar E.Ismailov近期的研究成果,讨论了神经网络对样本点的学习问题.结果表明,利用λ -严格递增函数,只需两个隐层节点,就可以学会任意给定的样本集.同时讨论了在隐层节点中使用通常的Sigmoid函数与使用λ -严格递增函数作为活化函数的差别.
李晶晶, 田大钢. 基于λ -递增函数的样本学习[J]. 数学理论与应用, 2016, 36(4): 92-105.
Li Jingjing, Tian Dagang.
Sample Learning Based on λ -increasing Function
[J]. Mathematical Theory and Applications, 2016, 36(4): 92-105.