感知器的学习算法.doc

《感知器的学习算法.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、感知器的学习算法1．离散单输出感知器训练算法设网络输入为维向量，网络权值向量为，样本集为，神经元激活函数为，神经元的理想输出为，实际输出为。算法如下：Step1：初始化网络权值向量；Step2：重复下列过程，直到训练完成：（2.1）对样本集中的每个样本，重复如下过程：（2.1.1）将输入网络；（2.1.2）计算；（2.1.3）若，则当时，；否则。2．离散多输出感知器训练算法设网络的维输入向量为，网络权值矩阵为，网络理想输出向量为维，即，样本集为，神经元激活函数为，网络的实际输出向量为。算法如下：Step1：初始化网络权值矩阵；St

2、ep2：重复下列过程，直到训练完成：（2.1）对样本集中的每个样本，重复如下过程：（2.1.1）将输入网络；（2.1.2）计算；（2.1.3）对于输出层各神经元（）执行如下操作：若，则当时，，；否则，。3．连续多输出感知器训练算法设网络的维输入向量为，网络权值矩阵为，网络理想输出向量为维，即，实际输出向量，样本集为，神经元激活函数为，为训练的精度要求。算法如下：Step1：初始化网络权值矩阵（小的伪随机数）；Step2：设置精度控制参数，学习率，设精度控制变量；Step3：若，重复下列过程：（3.1）令；（3.2）对样本集中的每个

3、样本，重复如下过程：（3.2.1）将输入网络；（3.2.2）计算；（3.2.3）按如下方法修改网络权值：，，（3.2.4）计算累积误差：，