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

$Алгоритм обучения персептрона по отдельным примерам$

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

Главная сайта