神經網絡感知機ppt課件(編輯修改稿)
2025-02-01 15:34 本頁面
【文章內容簡介】 (t)=|diyi(t)| ?e(t)=(1,1,1,0) ?求 E(t)＝ =3 ,設 η＝ ?w1(t+1)=w1(t)+η∑(|diyi(t)| x1’) ?=0+ (1,1,1,0) (0,0,1,1)’=。 ?w2(t+1)=w2(t)+η∑(|diyi(t)| x2’) ?=0+ (1,1,1,0) (0,1,0,1)’=。 ?θ(t+1)= θ(t)+( E(t))2=0+9=9。 ?由此 w1=,w2=, θ=9。 ?返回重新計算，直到 E滿足要求。 26 ? err_goal=。lr=。 ? max_expoch=10000。 ? X=[0 0 1 1。0 1 0 1]。T=[0 0 0 1]。 ? [M,N]=size(X)。[L,N]=size(T)。 ? Wij=rand(L,M)。y=0。b=rand(L)。 ? for epoch=1:max_expoch ? NETi=Wij*X。 ? for j=1:N ? for i=1:L ? if(NETi(i,j)=b(i)) ? y(i,j)=1。 ? else ? y(i,j)=0。 ? end ? end ? end ? ? E=(Ty)。EE=0。 ? for j=1:N ? EE=EE+abs(E(j))。 ? end ? if(EEerr_goal) ? break ? end ? Wij=Wij+lr*E*X39。 %調整權值 ? b=b+sqrt(EE)。 %調整閾值 ? end ? epoch,Wij,b ? 27 算法步驟： １）設輸入變量為 x1,x2… ,xm； (j=1 ,2,… ,m)，設置權系數初值 wj(wj一般取 [1,1]之間的隨機小數 )； ２）確定學習樣本，即給定輸入／輸出樣本對， 輸入： u={u1， u2…… un}， ,(i=1,2,… ,n) 輸出： d={d1， d2…… dn}, (i=1,2,… ,n) ?????????????x m iixixui?2128 ３）分別計算感知機在 ui作用下的輸出 yi ； t指第 t次計算并調整權值。 ??????????????????? ????niiiniiii utfutfty01)()()( ?????? ???? ??iinii uus ,1,00設???????0,00,1)(sssfyp29 ?４）調整權值和閾值 ?（ 1）求 ei(t)=diyi(t) ?（ 2）求 E(t)＝若 E(t) ≠0，調整權值 。 ?wj(t+1)=wj(t)+η∑([diyi(t)]xji)，寫出矩陣為 W(t+1)=W(t)+ η∑([diyi(t)]ui)。 ?θ(t+1)= θ(t)+( E(t))2 返回 3 ?若
教學課件相關推薦
鄂ICP備17016276號-1