Вес перцептрона и функция обучения смещением
[dW,LS] = learnp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)
info = learnp('code
')
learnp
- функция perceptron weight/bias обучения.
[dW,LS] = learnp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)
принимает несколько входы,
W |
|
P |
|
Z |
|
N |
|
A |
|
T |
|
E |
|
gW |
|
gA |
|
D |
|
LP | Параметры обучения, нет, |
LS | Состояние обучения, первоначально должно быть = |
и возвращает
dW |
|
LS | Новое состояние обучения |
info = learnp('
возвращает полезную информацию для каждого code
')code
вектор символов:
'pnames' | Имена параметров обучения |
'pdefaults' | Параметры обучения по умолчанию |
'needg' | Возвращает 1, если эта функция использует |
Здесь вы задаете случайный вход P
и E ошибок
для слоя с двухэлементным входом и тремя нейронами.
p = rand(2,1); e = rand(3,1);
Потому что learnp
эти значения нужны только для вычисления изменения веса (см. «Алгоритм» ниже), используйте их для этого.
dW = learnp([],p,[],[],[],[],e,[],[],[],[],[])
learnp
вычисляет изменение веса dW
для данного нейрона из входных данных нейрона P
и E ошибок
согласно правилу обучения перцептрон:
dw = 0, if e = 0 = p', if e = 1 = -p', if e = -1
Это может быть суммировано как
dw = e*p'
Розенблатт, Ф. Принципы нейродинамики, Вашингтон, округ Колумбия, Спартанская пресса, 1961