Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 25 стр.

UptoLike

Составители:

Рубрика:

этом сигнал, поступающий на выходную ячейку, есть бинарный (0

или 1) сигнал. Выход персептрона определяется как:

(),yfx1

где f (x) – функция активации, равная

1, е с л и ,

() 0, если ,

1, е с л и .

fh h

562772

6962



Веса между ассоциированным и выходным слоями вычисляются с

использованием обучающего правила персептрона. Для каждого обу"

чающего входа сеть должна найти отклик выходной ячейки. Затем

сеть определяет наличие ошибки для этого образа путем сравнения

вычисленного выхода с требуемой (целевой) величиной. Сеть не де"

лает различия между ошибкой, при которой вычисленный выход 0, а

целевое значение равно –1, и ошибкой, при которой вычисленный

выход равен +1, а целевая величина равна –1. В каждом из этих слу"

чаев знак ошибки указывает, что веса должны быть изменены. Одна"

ко только те веса изменяются, нейроны которых посылают ненуле"

вой сигнал в ячейки выходного слоя. Если ошибка имеет место для

конкретного обучающего входного образа, то изменение весов осу"

ществляется по формуле:

()() ,

ii i

wnew wold tx1 2 3

где t = +1 или –1 – целевая величина; h – скорость обучения.

В том случае, если ошибки нет, веса не изменяются. Обучение бу"

дет продолжаться до тех пор, пока имеется ошибка. Теорема о сходи"

мости обучающего правила персептрона гласит, что при существова"

Рис. 1.11