一、什么是概率神经网络(PNN)?
概率神经网络是由Specht博士在1989年首先提出, 是一种与统计信号处理的许多概念有着紧密联系的并行算法。它实质上是一个分类器,根据概率密度函数的无参估计进行贝叶斯决策而得到分来结果。整个网络属于径向型网络,不需要进行反向误差传递,具备学习速度快、具有很强的容错性、可以完成任意非线性变换的优点,同时由于各层神经元的数目比较固定,因此易于硬件实现。在实际应用中,尤其在解决分类问题中,PNN不仅能用线性学习算法来完成非线性学习算法的工作,用时也能保证非线性算法的高精度等特征,所以被广泛应用于故障检测和目标分类识别领域。
概率神经网络通常由4层组成,其结构图如图1.1所示: