даний алгоритм
Аналіз завдання
Однією з перших штучних мереж, здатних до перцепції (сприйняття) і формуванню реакції на сприйнятий стимул, явілсяРозенблатта (F. Rosenblatt, 1957). Персептроном, як правило , називають одношарову нейронну мережу, при цьому кожен Персептрон нейрон в якості активаційної функції використовує функцію одиничного стрибка (порогову)
Вибір засобів розробки
В якості середовища розробки програми я вибрав Borland C + + Builder 6, який об'єднує в собі комплекс об'єктних бібліотек, компілятор, відладчик, редактор коду і багато інших компоненти, необхідні для зручного написання візуальних додатків. br/>
Алгоритм навчання персептрона
Детальна схема персептрона зображена на рис. 2. br/>В
Рис. 2. Однонейронний персептрон з n входами
Поточний стан нейрона визначається як зважена сума його входів:
В
Вихід нейрона є функція його стану:
В
де f - активаційна функція , що моделює нелінійну передатну характеристику біологічного нейрона і представляє нейронної мережі великі можливості.
Навчання персептрона полягає в підстроюванні вагових коефіцієнтів де. Навчений персептрон здатний розділяти необхідну безліч образів на два класи. (До першого класу відносяться вхідні образи, для яких на виході персептрона отримано нульове значення, до другого класу - образи, для яких отримано одиничне значення). p> Навчання персептрона - це навчання з учителем, тобто повинен існувати набір векторів,, званий навчальною вибіркою . Тут), - приклади вхідних образів, для яких заздалегідь відома їх приналежність до одного з двох даних класів. p> Будемо називати персептрон навченим на даній навчальній вибірці, якщо при подачі на вхід кожного вектора на виході щоразу виходить відповідне значення Запропонований Ф. Розенблатта метод навчання полягає в ітераційної підстроюванні вагових коефіцієнтів, послідовно зменшує вихідні помилки.
Алгоритм включає кілька кроків.
Крок 0. проініціалізувати вагові коефіцієнти , , невеликими випадковими значеннями (наприклад, з діапазону [-0.3, 0.3]).
Крок 1. Подати на вхід персептрона один з навчальних векторів
і обчислити її вихід y .
Крок 2. Якщо вихід правильний ( y =), перейти на крок 4. Інакше обчислити помилку - різницю між вірним і отриманим значеннями виходу:? =? y .
Крок 3 . Вагові коефіцієнти модифікуються за такою формулою:. Тут t і t + 1 - номери відповідно поточній та наступній ітерацій;? - Коефіцієнт швидкості навчання, (0
