Нейрокомпьютерные системы

       

Алгоритм обучения персептрона по отдельным примерам


1. При изначально заданных значениях весов

Алгоритм обучения персептрона по отдельным примерам
на вход нейрона подается обучающий вектор
Алгоритм обучения персептрона по отдельным примерам
и рассчитывается значение выходного сигнала
Алгоритм обучения персептрона по отдельным примерам
. По результатам сравнения
Алгоритм обучения персептрона по отдельным примерам
с
Алгоритм обучения персептрона по отдельным примерам
уточняются значения весов.

2. Если

Алгоритм обучения персептрона по отдельным примерам
, то
Алгоритм обучения персептрона по отдельным примерам
не изменяются.

3. Если

Алгоритм обучения персептрона по отдельным примерам
, а
Алгоритм обучения персептрона по отдельным примерам
, то значения весов уточняются по формуле

Алгоритм обучения персептрона по отдельным примерам

где

Алгоритм обучения персептрона по отдельным примерам
— коэффициент обучения,
Алгоритм обучения персептрона по отдельным примерам
— номер предыдущего цикла.

4. Если

Алгоритм обучения персептрона по отдельным примерам
, а
Алгоритм обучения персептрона по отдельным примерам
, то значения весов уточняются по формуле

Алгоритм обучения персептрона по отдельным примерам

В обобщенной форме обучение персептрона на векторе

Алгоритм обучения персептрона по отдельным примерам

выражается формулой

Алгоритм обучения персептрона по отдельным примерам

По завершении уточнения весовых коэффициентов представляются очередной обучающий вектор

Алгоритм обучения персептрона по отдельным примерам
и связанное с ним ожидаемое значение
Алгоритм обучения персептрона по отдельным примерам
, и значения весов уточняются заново. Этот процесс многократно повторяется на всей обучающей выборке, пока не будут ликвидированы различия между всеми значениями
Алгоритм обучения персептрона по отдельным примерам
и соответствующими им ожидаемыми значениями
Алгоритм обучения персептрона по отдельным примерам
.



Содержание раздела