监督学习与非监督学习简述
监督学习
监督训练是将将一组训练集送入网络,根据网络的实际输出与期望输出之间的差别来调整连接权
监督学习算法的步骤
- 从样本集合中取一个样本( A i A_{i} Ai, B i B_{i} Bi),其中 A i A_{i} Ai是输入, B i B_{i} Bi是期望输出。
- 计算网络的实际输出O
- 求D = B i B_{i} Bi-O
- 根据D调整权矩阵W
- 对每个样本重复以上过程,直到误差对整个样本集来说不超过规定范围为止 。
监督学习算法:Delta学习规则
Delta学习规则是一种简单的监督学习算法,该算法根据神经元的实际输出与期望输出之间的差别来调整连接权。其数学表达式如下(损失函数):
w i j ( t + 1 ) = w i j ( t ) + α ( d i ) x j ( t ) w_{ij(t+1)} = w_{ij(t)} + \alpha(d_{i})x_{j(t)} wij(t+1)=wij(t)+α(di)xj(t)
- w i j w_{ij} wij神经元j---->i的连接权
- d i d_{i} di是神经元i的期望输出
- y i y_{i} yi是神经元i的实际输出
- x j x_{j} xj表示神经元j的状态,处于激活态为1 ,若处于抑制状态为0或-1(具体由激活函数定)
- α \alpha α表示学习速度的常数
简单的说,Delta规则就是:若神经圆实际输出比期望值大,则减小所有输入为正的连接的权重,增大所有输入为负的连接的权重;若神经元实际输出比期望值小,则反之。