神经网络的统计学习理论基础  

The Theory Elements of Neural Network Statistical Learning

作　　者：吴建生[1] 金龙[2] 

机构地区：[1]柳州师范高等专科学校数学与计算机科学系,广西柳州545004 [2]广西气象减灾研究所,广西南宁530022

出　　处：《广西科学院学报》2005年第2期102-105,109,共5页Journal of Guangxi Academy of Sciences

基　　金：广西自然科学基金 (0 3 3 90 2 5 )资助项目

摘　　要：介绍神经网络的统计学习过程和理论,讨论基于经验风险最小化的学习理论对神经网络推广性能的影响,分析基于结构风险最小化的支持向量机.认为神经网络因其出色的高度非线性映射能力、自组织和适应能力、记忆联想能力,使得神经网络成为机器学习的重要研究领域.The statistical learning process and theory of the neural network are introduced.The influence of generation ability based on the empirical risk minimization and the support vector machines based on the structural risk minimization are discussed.The neural network becomes a research hotspot in machine learning because of its outstanding nonlinear mapping,self-organized,parallelity, adaptation.

关 键 词：神经网络 理论基础 统计学习 经验风险最小化 结构风险最小化 非线性映射能力 支持向量机 推广性能 学习过程 适应能力 联想能力 研究领域 机器学习 分析基 自组织 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] F230[自动化与计算机技术—控制科学与工程]