Моделирование искусственных нейронных сетей в системе MATLAB. Часть 1. Введение. Донской Д.А - 24 стр.

                      ⎧⎪W Tnew = W Told + ep T ;
                       ⎨ new
                       ⎪⎩b   = b old + e.
   Описанные соотношения положены в основу алгоритма настрой-
ки параметров персептрона, который реализован в ППП Neural Net-
work Toolbox в виде функции learnp. Каждый раз при выполнении
функции learnp будет происходить перенастройка параметров пер-
септрона, и, если решение существует, то процесс обучения персеп-
трона сходится за конечное число итераций. Если смещение не ис-
пользуется, то функция learnp ищет решение, изменяя только вектор
весов w. Это приводит к нахождению разделяющей линии, перпен-
дикулярной вектору w, которая должным образом разделяет векторы
входа.
   Рассмотрим простой пример персептрона с единственным нейро-
ном и двухэлементным вектором входа

  clear, net = newp([-2 2;-2 2],1);


  Определим смещение b равным 0, а вектор весов w равным [1 –0.8]

  net.b{1} = 0;
  w = [1 -0,8];     net.IW{1,1} = w;
  Обучающее множество зададим следующим образом:

  p = [1; 2]; t = [1];


  Моделируя персептрон, рассчитаем выход и ошибку на первом
шаге настройки:

  a = sim(net,p), e = t-a
  a =
       0
  e =



                               24