421
个编辑
更改
跳到导航
跳到搜索
第113行：
第113行： − + − + 第126行：
第126行： − :对于[[离线学习]]，第二步需要重复直到迭代误差<math>\frac{1}{s} \sum_{j=1}^s |d_j - y_j(t)| </math>小于一个用户定于的误差阈值<math>\gamma</math>，或者预定于的迭代轮数已经完成，这里的 <math>s</math> 是是样本集的大小。+ − 这个算法在2.1和2.2步骤后更新了权重。这些权重会立即反应到训练数据中，并且随后进行更新，并不是等所有步骤结束后才更新的。+
→步骤
=== 步骤===
=== 步骤===
初始化权重与阈值。权重初始化为全0或者一个很小的随机值。在下面的例子中我们使用0作为初始化值。
#初始化权重与阈值。权重初始化为全0或者一个很小的随机值。在下面的例子中我们使用0作为初始化值。
对于数据集 <math>D </math> 中每一个样本 j ，对输入 <math>x_j </math> 执行以下的步骤，并得到期望的输出 <math>d_j </math>：
#对于数据集 <math>D </math> 中每一个样本 j ，对输入 <math>x_j </math> 执行以下的步骤，并得到期望的输出 <math>d_j </math>：
#对于[[离线学习]]，第二步需要重复直到迭代误差<math>\frac{1}{s} \sum_{j=1}^s |d_j - y_j(t)| </math>小于一个用户定于的误差阈值<math>\gamma</math>，或者预定于的迭代轮数已经完成，这里的 <math>s</math> 是是样本集的大小。
这个算法在2步骤后更新了权重。这些权重会立即反应到训练数据中，并且随后进行更新，并不是等所有步骤结束后才更新的。
=== 简单实现与演示 ===
=== 简单实现与演示 ===