论文部分内容阅读
针对动态信号分类及与先验类别知识融合问题，提出了一种概率过程神经元网络模型．模型将贝叶斯概率分类机制与过程神经元网络动态信号处理方法相结合，通过在前馈过程神经元网络中增加一个模式单元层，以及采用归一化指数类型激励函数，实现基于贝叶斯规则的动态信号分类．分析了概率过程神经元网络分类机制与贝叶斯分类规则的等价性，给出了具体的学习算法，实验结果验证了模型和算法的有效性．