论文算法概述
仅有一个非线性单元隐藏层的前馈网络，简要而原则性强的学习方法，它由植根于VC维理论的结构风险最小化原则导出。
主要思想是给定训练样本，建立一个超平面作为决策面，使得正例和反例之间的隔离边缘被最大化；即使样本中离超平面最近的点到超平面的距离最远。对于支持向量机的设计来说核方法本质上是最优的，而最优性是根植于凸优化。分以下4个步骤进行：
- 寻找最优超平面的问题，以这样一个陈述为开始：即在原始权重空间的带约束的优化问题；
- 对于上述约束问题建立拉格朗日函数。
- 推导出机器最优化条件;
-
在对偶空间解决带拉格朗日乘子的优化问题。
对不可分离的情况的原问题正式陈述如下：
