[发明专利]一种神经网络及该神经网络的学习方法

摘要

本发明公开了计算机技术领域的一种神经网络，该神经网络由三层网络组成，包括输入层、隐含层和输出层，且各层之间实行全连接；一种神经网络的学习方法，该神经网络的学习方法包括以下步骤S1输入信息从输入层经过隐含层逐层处理；S2逐层计算实际输出与要求输出的误差值，以便根据此误差值调整权值；S3使神经网络学习误差达到最小，本发明可采用简单的神经网络实现联想记忆，网络单元间的连接是固定不变的，由矢量外积构成连接矩阵确定，可不必再进行反复的练习，且无需对输入矢量进行预处理，可直接进入搜索过程，省去编码和解码工作，采用并行处理方式，效果高。

主权项

一种神经网络，其特征在于：该神经网络由三层网络组成，包括输入层、隐含层和输出层，且各层之间实行全连接；输入层，其中的神经元采用S型变换函数；隐含层，神经网络中的隐含层有一个或多个隐层；输出层，输出层中的神经元采用纯线性变换函数；该神经网络的输入模式由输入层经隐含层向输出层的模式顺传播，网络的希望输出与网络实际输出之差的误差信号由输出层经隐含层向输入层逐层修正连接权的误差逆传播，并由模式顺传播与误差逆传播的反复交替进行网络记忆训练。