使機器具有自動學習能力，是人類長久以來努力的目標。而神經網路（NEURAL NETWO
RK，或CONNECTIONIST MODELS）正是達成此目標的最佳技術（TOOL）。
神經網路是科學家模仿人類大腦內神經原的複雜網路，用來處理更精密訊息的工具。
它能經由“學習範例”（TRAINING EXAMPLE）而自動建立知識庫（KNOWLEDGE BASE）
。
本篇論文即在探討建立知識庫的學習演繹法（LEARNING ALGORITHM）。首先，說明兩
種學習演繹法，BACKPROPAGATION LEARNING ALGORITHM和POCKET ALGORITHM的優缺點
。其中BACKPROPAGATION LEARNING ALGORITHM的缺點在於學習速度過於緩慢；而POCK
ET ALGORITHM的缺點是學習成功率不高。因此，我們提出GENERALIZED POCKET ALGOR
ITHM改良上述兩個學習演繹法的缺點。使得學習成功率提高而且速度也加快。
|