判定边界 判定边界由那些使净输入为0的输入向量确定
n=wp+b=0, 一个双输入感知器网络,如果取权值为[1,1],则有p1+p2+b=0,其中p=[p1 p2],这是p1,p2平面上的一条直线.
该直线和权值向量w=[1,1]垂直.
感知器学习规则:(P42)
1.如果t=1,a=0 则w_new=w_old+p
2.如果t=0,a=1 则w_new=w_old-p
1.如果t=a 则w_new=w_old
用矩阵符号表示为
W_new=W_old+eP
B_new=B_old+e
其中e=t-a
hebb规则的输出是接近的,而采用伪逆规则则能产生精确的结果。
应用hebb规则求权值矩阵W=p1p1'+p2p2'+p3p3'第7章应用例子,这个还需要再看看前面的知识。
这就是所谓的增量规则,又称为windrow-hoff规则。因为它使用了期望输出和实际输出的差。
增量规则调整权值以使均方差为最小,因而它与伪逆规则得到相同的结果。增量规则的优点是每输入一个向量就可以
调整权值,而伪逆规则要等到所有的输入输出模式都已知后才计算一次规则。