多层前向神经网络学习算法及拓扑结构的探讨

以神经网络中应用最多最广泛的多层前向网络中心，对前向网络的拓扑结构及学习算法提出了一些改进。将随机搜索技术中的模型退火算法直接应用于多层前向网络的训练，以绕过多层网络所固有的局部极小，使网络的训练精度有明显改善；提出了一种双并联的前向神经网络模型－ＤＰＦＮ模型，明显提高了多层网络的训练速度。在理论分析的基础上，应用遥感分类数据进行对比实验的结果证明上述改进方法行之有效。