Составители:
Рубрика:
26
нии весов, которые позволяют сети правильно откликаться на все
обучающие образы, процедура определения весов будет находить та"
кие их значения, при которых сеть должна давать правильный от"
клик на все предъявленные для обучения образы. Кроме того, сеть
будет находить эти значения весов за конечное число шагов.
В первоначальной версии персептрона выходной сигнал от ассо"
циированного слоя представлял собой бинарный вектор, однако это
не является необходимым условием. При рассмотрении алгоритма
обучения персептрона регулируемыми весами являются веса между
ассоциированным и выходным слоями. Цель сети – классифициро"
вать каждый входной образ как принадлежащий или не принадле"
жащий определенному классу (категории). Принадлежность опреде"
ляется значением выходной ячейки, равным +1; если образ не при"
надлежит этому классу – величина выхода равна –1.
Алгоритм обучения, представленный ниже, подходит как для би"
нарных, так и для биполярных входных векторов с биполярным це"
левым выходом, фиксированным порогом и регулируемым смещени"
ем. Алгоритм не чувствителен к начальным значениям весов и вели"
чине скорости обучения. Обучающий алгоритм простого персептро"
на, предназначенного для классификации образов, представляет сле"
дующую последовательность шагов.
1. Инициировать веса и смещение (для упрощения все веса и сме"
щение примем равными нулю). Выбрать скорость обучения h из диа"
пазона 0 < h £ 1 (положим h = 1).
2. Если условие остановки не выполняется, делать шаги 3–7.
3. Для каждой обучающей пары (s; t) делать шаги 4–6.
4. Установить активации входных ячеек: x
i
= s
i
.
5. Вычислить отклик выходной ячейки:
;
ii
i
hb xw12
3
1, е с л и ,
0, если ,
1, е с л и .
h
yh
h
12
3
4
562772
8
4
6962
6. Если ошибка имеет место для этого образа, изменить веса и
смещение:
если , то ( ) ( ) ,
( ) ( ) ;
ii i
yt wnew wold tx
bnew bold t
1234
234
иначе ()(); ()().
ii
w new w old b new b old11
Страницы
- « первая
- ‹ предыдущая
- …
- 24
- 25
- 26
- 27
- 28
- …
- следующая ›
- последняя »
