摘  要：同仁均知，訓(xùn)練F2N2（Feed Forward Neural Network：前饋神經(jīng)網(wǎng)絡(luò)）的方法雖然很多，但是至今未能徹底解決“收斂不迅速”和“收斂不穩(wěn)健”這兩大難題，從而影響了F2N2的應(yīng)用。針對(duì)此問題，文章研究了一種訓(xùn)練&應(yīng)用F2N2的新方法，該方法靈活地將BPNN（Back Propagation Neural Network：反向傳播神經(jīng)網(wǎng)絡(luò)）關(guān)鍵訓(xùn)練算法和分層優(yōu)化算法親和、協(xié)調(diào)的自然結(jié)合，并且對(duì)每層的（Weight：“權(quán)”）訓(xùn)練獨(dú)立進(jìn)行，精心創(chuàng)建了用級(jí)數(shù)精確表達(dá)的F2N2目標(biāo)函數(shù)，不僅能將優(yōu)化每層的問題簡(jiǎn)化為線性問題[登陸后可查看全文]