一种随机的人工神经网络学习方法

　　针对复杂网络环境下网络流监测（分类）问题，为实现多个类别直接分类以及提高学习方法的训练速度，提出了一种随机的人工神经网络学习方法。该方法借鉴平面高斯（PG）神经网络模型，引入随机投影思想，通过计算矩阵伪逆的方法解析获得网络连接矩阵，理论上可证明该网络具有全局逼近能力。在人工数据和标准网络流监测数据上进行了实验仿真，与同样采用随机方法的极限学习机（ELM）和PG网络相比，分析与实验结果表明：1）由于继承了PC网络的几何特性，对平面型分布数据更为有效；2）采用了随机方法，训练速度与ELM相当，但比PC网络快得多；3）三种方法中，该方法更有利于解决网络流监测问题。