第四章自适应线性神经元范例.pptVIP

2006-11-28 北京科技大学 付冬梅 * * 第四章 自适应线性神经元 第四章 自适应线性神经元 自适应线性神经元模型 单个自适应线性神经元的学习方法 单层自适应线性神经元的学习方法 MATLAB程序仿真 关于自适应线性神经元的几点说明 4.1自适应线性神经元模型 线性神经元模型如图所示： I/O关系 a=purelin(W*P+b) 基于最小二乘的一次性学习算法 4.2单个自适应线性神经元的学习方法 注意到O=KO’+b，所以有O’=(O-b)/K， 同理有： y’=(y-b)/K，所以{X，Y’}仍是样本对。 基于梯度的学习算法(内部反馈) 后），对于输入 ， 个 次学习以后（即得到第 设经过 后，或者没有初始权值 感知机的输出为： 其中 则感知机的输出误差为： 又设在同样输入 作用下，样本输出 4.2单个自适应线性神经元的学习方法 根据上面的推导，我们可以给出感知器（单个且 ） 根据建立在梯度法基础上的最小均方差（LMS）算法得知， 被调整的参数（这里是 ）的修改应该向着梯度的反方向进行， 此处梯度为： 因此我们有： 权值调整的具体学习步骤： 即： （1）随机初始化权值和阈值： 4.2