布鲁姆,A.L。;R.坎南。 学习均匀分布上的(k)半空间的交集。 (英语) Zbl 0832.68088号 Roychowdhury,Vwani(编辑)等人,《神经计算和学习的理论进展》。伯纳德·威卓(Bernard Widrow)和大卫·鲁梅尔哈特(David E.Rumelhart)的前言。波士顿:Kluwer学术出版社。337-356 (1994). 摘要:反向传播(Backpropagation)等算法在训练(人工)神经网络以执行各种有趣任务方面取得了广泛成功。然而,对各种训练程序有效产生良好结果的条件的数学理解仍然是难以捉摸的,特别是在高维输入空间的困难情况下。本章工作的目的是增加这种理解。这里我们考虑分类设置(学习的目的是区分正负示例),并假设示例是根据一些未知函数分类的,这些未知函数可以用一种非常简单的2层输入神经网络来描述。我们所展示的是,如果示例在(n)维球中均匀分布,那么可以保证“主成分分析”风格的某些统计技术能够提供有用的信息,然后可以在多项式学习算法中使用这些信息。关于整个系列,请参见[Zbl 0813.00003号]. 引用于5文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:反向传播;神经网络 PDF格式BibTeX公司 XML格式引用 \textit{A.L.Blum}和\textit{R.Kannan},in:神经计算和学习的理论进展。伯纳德·威卓(Bernard Widrow)和大卫·鲁梅尔哈特(David E.Rumelhart)的前言。波士顿:Kluwer学术出版社。337--356(1994年;Zbl 0832.68088)