Uczenie pojedynczego neuronu regułą DELTA
|
O zachowaniu pojedynczego neuronu decyduje wektor wag W, a o działaniu sieci – macierz wag W’. Aby zapewnić
możliwość uczenia trzeba wprowadzić do modelu neuronu dwa dodatkowe elementy: procesor zmiany wag i detektor błędu. Taki neuron nazywa się
ADALINE. Sygnał wyjściowy y jest związany z wygnałem wejściowym X zależnością. Algorytm ten nazwany jest regułą DELTA, zakłada że w raz z każdym wektorem wejściowym X do neuronu podawany jest sygnał z. Neuron odpowiada na sygnał X sygnałem y = W * XPrzy czym jeśli neuron nie jest nauczony, sygnał ten jest inny niż wymagany (y≠z). Wewnątrz neuronu istnieje blok oceniający wielkość błędu δ = z - yBlok ten składa się inwertora oraz sumatora. Na podstawie sygnału błedu oraz wektora wejściowego X możliwe jest takie skorygowanie wektora wag W, by neuron lepiej realizował zadaną funkcję y= f(X). Nowy wektor wag W’ obliczany jest ze wzoru: W’ = W + ηδXgdzie η jest współczynnikiem liczbowym, decydującym o szybkości nauki. Literatura Ryszard Tadeusiewcz "Sieci neuronowe", Kraków 1992 |
||
mgr inż. Adam Gołda (2005) Katedra Elektroniki AGH |