本研究提出最小風險神經網路(Minimum Risk Neural Networks, MRNN)，它以倒傳遞神經網路(BPN)為基礎，加入結構風險最小原理的分類間隔最大化的觀念，其目的為了提高BPN分類模型的普遍性，克服過度學習，以提高對驗證範例的準確度。為了證明此網路的性能，本研究以五個經過人為設計的分類問題以及一個實際應用的分類問題來做測試，並與倒傳遞網路做比較。結果證明最小風險神經網路的模型準確度優於倒傳遞網路。本文並比較MRNN與支援向量機的關係，為兩者建立一個統一的理論架構，並證明權值衰減技術 This study proposed the Minimum Risk Neural Network (MRNN), which is based on back-propagation network (BPN) and combined with the concept of maximization of classification margin of Structural Risk Minimization Theory. Its purpose is to improve the gener
