用于训练二阶神经网络的一般反向传播算法

人工神经网络是机器学习中一种流行的框架。为增强单个神经元的能力，我们最近提出可将当前类型的神经元升级为二阶对应物，其中神经元输入与相关权重之间的线性运算被替换为非线性二次运算。单个二阶神经元已具备强大的非线性建模能力，例如实现基本的模糊逻辑运算。本文中，我们开发了一种一般反向传播（BP）算法来训练由二阶神经元组成的网络。通过数值研究验证了广义BP算法。