论文部分内容阅读
本文以二元假设检验问题为背景,在有关观测源的先验统计知识未知的条件下,研究如何用神经网络方法从观测数据中学习后验概率函数问题。本文重点探讨神经网络模型和学习算法的设计问题,提出了一种最佳神经网络结构和强化学习算法,分析了该神经网络模型在没有理想输出值的条件下对未知的目标函数的逼近能力及其适用条件。文中还给出了计算机仿真实验结果,从实验角度验证了本文方法的有效性。