<<
>>

МЕТОД ОБУЧЕНИЯ УИДРОУ-ХОФФА

Как мы видели, персептрон ограничивается бинарными выходами. Уидроу вместе со студентом университета Хоффом расширили алгоритм обучения персептрона на случай непрерывных выходов, используя сигмоидальную функцию [5,6].

Кроме того, они разработали математическое доказательство того, что сеть при определенных условиях будет сходиться к любой функции, которую она может представить. Их первая модель – Адалин – имеет один выходной нейрон, более поздняя модель – Мадалин – расширяет ее на случай с многими выходными нейронами. Выражения, описывающие процесс обучения Адалина, очень схожи с персептронными. Существенные отличия имеются в четвертом шаге, где используются непрерывные сигналы NET вместо бинарных OUT. Модифицированный шаг 4 в этом случае реализуется следующим образом: 4. Вычисляется ошибка для каждого нейрона посредством вычитания полученного выхода из требуемого выхода: errorj = targetj – NETj.
<< | >>
Источник: Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика. 1992

Еще по теме МЕТОД ОБУЧЕНИЯ УИДРОУ-ХОФФА:

  1. §1. Понятие о методах обучения и их классификации.Взаимосвязь методов обучения
  2. Методы обучения и их выбор
  3. Классификация методов обучения
  4. § 1. Выбор методов обучения учителем
  5. Понятие метода обучения
  6. Выбор методов обучения
  7. 4. Методы обучения в высшей школе
  8. 4.2. Методы активного обучения
  9. § 2. Организация, виды и методы практического обучения
  10. Система методов проблемно-развивающего обучения
  11. Обучение новых сотрудников: методы и методики
  12. §3. Методы и формы организации обучения в курсе
  13. Монологический метод обучения
  14. § 2. Характеристика методов обучения
  15. Показательный метод обучения
  16. Методы проблемного обучения
  17. Выбор наиболее эффективного сочетания методов и приемов обучения.