从理论上分析了隐含层激励函数满足M ercer 条件的前向神经网络的数学本质, 给出了网络学习的指导方
向. 提出3 种网络在线学习算法, 它们通过动态调整网络结构和权值来提高网络在线预测性能. 算法完全符合统计学
习理论提出的结构风险最小化原则, 具有较快的学习收敛速度和良好的抗噪声能力. 最后通过具体数值实验验证了
上述算法的可行性和优越性.