Моделирование искусственных нейронных сетей в системе MATLAB. Часть 2. Линейные сети. Донской Д.А - 9 стр.

             Лабораторная работа № 2
       Обучение линейной сети.
   Процедура настройки посредством
           прямого расчета
  Цель работы: изучение процедуры настройки параметров линей-
ных нейронных сетей посредством прямого расчета в системе
MATLAB.
                     Общие сведения
   Линейные сети, как и персептроны, способны решать только ли-
нейно отделимые задачи классификации, однако в них используется
другое правило обучения, основанное на методе обучения наимень-
ших квадратов, которое является более мощным, чем правило обуче-
ния персептрона.
   Для заданной линейной сети и соответствующего множества век-
торов входа и целей можно вычислить вектор выхода сети и сформи-
ровать разность между вектором выхода и целевым вектором, кото-
рая определит некоторую погрешность.
    В процессе обучения сети требуется найти такие значения весов и
смещений, чтобы сумма квадратов соответствующих погрешностей
была минимальной, поэтому настройка параметров выполняется та-
ким образом, чтобы обеспечить минимум ошибки.
   Эта задача разрешима, так как для линейной сети поверхность
ошибки как функция входов имеет единственный минимум, и оты-
скание этого минимума не вызывает трудностей.
   Как и для персептрона, для линейной сети применяется процедура
обучения с учителем, которая использует обучающее множество вида
                     {p1, t1}, {p2, t2},…,{pQ, tQ}.             (1)
   Требуется минимизировать одну из следующих функций квадра-
тичной ошибки:
                         1 Q           1 Q
                 mse =      ∑ e(k ) 2 = ∑ (t (k ) − a(k )) 2    (2)
                         Q k =1        Q k =1


                                    9