文档介绍：Artificial work 人工神经网络
协同形成结构
竞争促进发展
合肥工业大学计算机与信息学院图像信息处理研究室
第2章单层前向网络及LMS学****算法
LMS学****算法
仿真实例
合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器模型
合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器模型
合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器模型
感知器模型与MP模型的不同之处是假定神经元的突触权值是可变的,这样就可以进行学****br/>合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器的学****算法
单层感知器对权值向量的学****算法是基于迭代的思想,通常是采用纠错学****规则的学****算法。
为方便起见,将偏差b作为神经元突触权值向量的第一个分量加到权值向量中去,那么对应的输入向量也应增加一项,可设输入向量的第一个分量固定为+1,这样输入向量和权值向量可分别写成如下的形式:
合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器的学****算法
其中的变量n表示迭代次数,其中的b(n)可用w0(n) 表示,则二值阈值元件的输入可重新写为:
令上式等于零,即可得在m维信号空间的单层感知器的判决超平面。
合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器的学****算法
第一步:设置变量和参量:
X(n)= [1, x1(n), x2(n), …, xm(n)]为输入向量,或称训练样本;
W(n)= [b(n), w1(n), w2(n), …, wm(n)]为权值向量;
b(n) 为偏差;y(n)为实际输出;
d(n)为期望输出;η为学****速率;n为迭代次数。
合肥工业大学计算机与信息学院图像信息处理研究室
单层感知器的学****算法
第二步:初始化,赋给Wj(0)各一个较小的随机非零值, n = 0;
第三步:对于一组输入样本X(n)= [1, x1(n), x2(n), …, xm(n)],指定它的期望输出(亦称之为导师信号)。
第四步:计算实际输出:
合肥工业大学计算机与信息学院图像信息处理研究室