分式线性神经网络及其非线性逼近能力研究

提出了结构简单的分式线性神经网络，证明该种神经网络可无限逼近R^m上有界闭子集到R^n上的任意连续映射，同时，证实该种神经网络可无限逼近R^m上无界闭子集到R^n上的在无穷远有极限的任意连续映射，扩充了BP神经网络的非线性逼近能力；给出了实现分式线性神经网络逼近有界或无界区域上连续映射的反向传播算法．仿真实验表明所给出的反向传播算法可行有效．该结果为无界区域上的分类问题和决策问题的解决提供了理论基础．

山东省自然科学基金,中国博士后科学基金,本课题得到国家“八六二三”高技术研究发展计划项日基金,国家自然科学基金