第04章感知机的学习规则09102.ppt

第4章 感知机的学习规则4.1目的 本章目的： 本章将介绍一种用于训练感知机网络的算法，使感知机能够学习求解分类问题。 将从介绍什么是学习规则开始，然后讨论如何设计感知机网络的学习规则。 本章最后将对单层感知机网络的优点和局限性进行讨论。 4.2 理论和实例 → 4.2.1 学习规则 学习规则 (1) 所谓学习规则就是修改神经网络的权值和偏置值的方法和过程(也称这种过程是训练算法)。 (2) 学习规则的目的是为了训练网络来完成某些工作。 (3) 学习规则大致可以分为三大类：有监督学习、无监督学习和增强〔或分级)学习。 4.2 理论和实例 → 4.2.1 学习规则 增强学习 增强学习与有监督的学习类似，只是为每一个输入仅仅给出一个级别，这个级别(或评分)是对网络在某些输入序列上的性能测度。 最为适合控制系统应用领域 4.2 理论和实例 → 4.2.2 感知机的结构 感知机网络的一般结构如图4-1所示,该网络的输出由(4.2)式给出： 4.2 理论和实例 → 4.2.2 感知机的结构 4.2 理论和实例 → 4.2.2 感知机的结构 4.2 理论和实例 → 4.2.2 感知机的结构 4.2 理论和实例 → 4.2.2 感知机的结构 4.2.3 感知机学习规则 测试问题：在测试问题中，先不考虑偏置值。设输入/目标对为： 4.2.3 感知机学习规则 以随机数作为权值向量（矩阵）的初