ОБУЧЕНИЕ ПЕРСЕПТРОНА
В 1957 г. Розенблатт [4] разработал модель, которая вызвала большой интерес у исследователей. Несмотря на некоторые ограничения ее исходной формы, она стала основой для многих современных, наиболее сложных алгоритмов обучения с учителем.
Персептрон является настолько важным, что вся гл. 2 посвящена его описанию; однако это описание является кратким и приводится в формате, несколько отличном от используемого в [4]. Персептрон является двухуровневой, нерекуррентной сетью, вид которой показан на рис. Б.3. Она использует алгоритм обучения с учителем; другими словами, обучающая выборка состоит из множества входных векторов, для каждого из которых указан свой требуемый вектор цели. Компоненты входного вектора представлены непрерывным диапазоном значений; компоненты вектора цели являются двоичными величинами (0 или 1). После обучения сеть получает на входе набор непрерывных входов и вырабатывает требуемый выход в виде вектора с бинарными компонентами.
Рис. Б.3. Однослоиная нейронная сеть Обучение осуществляется следующим образом: 1. Рандомизируются все веса сети в малые величины. 2. На вход сети подается входной обучающий вектор Х и вычисляется сигнал NET от каждого нейрона, используя стандартное выражение 
. 3. Вычисляется значение пороговой функции активации для сигнала NET от каждого нейрона следующим образом: OUTj = 1, если NETj больше чем порогθj, OUTj = 0 в противном случае. Здесь θj представляет собой порог, соответствующий нейрону j (в простейшем случае, все нейроны имеют один и тот же порог). 4. Вычисляется ошибка для каждого нейрона посредством вычитания полученного выхода из требуемого выхода: errorj = targetj – OUTj. 5. Каждый вес модифицируется следующим образом: Wij(t+1) = wij(t) +axierrorj. 6. Повторяются шаги со второго по пятый до тех пор, пока ошибка не станет достаточно малой.
Еще по теме ОБУЧЕНИЕ ПЕРСЕПТРОНА:
- Многослойные персептроны
- 1.2.11. Однослойный персептрон
- Глава 2. Персептроны
- 4. Классификация систем (форм) обучения по механизму декомпозиции содержания обучения
- 23.Психологическая характеристика обучения. Обучение и развитие. Сущность, виды и механизмы научения.
- 2.2 Алгоритм обучения нейронной сети для ускоренной сходимости обучения
- 4. Интенсификация обучения и проблемное обучение
- §1. Понятие о методах обучения и их классификации.Взаимосвязь методов обучения
- § 1. Понятие принципов обучения
- Обучение вне работы
- Модели дистанционного обучения
- Проблемное обучение
- Догматическое обучение
- Понятие метода обучения
-
Автоматизация -
Гидрология -
Документоведение, делопроизводство -
Информационные системы -
Коммуникации -
Криптография -
Машиностроение -
Метрология -
Механика -
Микроэлектроника -
Нефтегазовое дело -
Пищевая промышленность -
Приборостроение -
Программирование -
Системный анализ, управление и обработка информации -
Строительство -
Технология и оборудование механической и физико-технической обработки -
Электрическая энергия -
Энергетика -
-
Архитектура и строительство -
Безопасность жизнедеятельности -
Библиотечное дело -
Бизнес -
Биология -
Военные дисциплины -
География -
Геология -
Демография -
Диссертации России -
Естествознание -
Журналистика и СМИ -
Информатика, вычислительная техника и управление -
Искусствоведение -
История -
Конфликтология -
Культурология -
Литература -
Маркетинг -
Математика -
Медицина -
Менеджмент -
Педагогика -
Политология -
Право России -
Право України -
Промышленность -
Психология -
Реклама -
Религиоведение -
Социология -
Страхование -
Технические науки -
Учебный процесс -
Физика -
Философия -
Финансы -
Химия -
Художественные науки -
Экология -
Экономика -
Энергетика -
Юриспруденция -
Языкознание -