Page 150 - 4196

 0
T  
18
1 W      317X17   , 1 , 0  0  , 1 W    W  ;
17


 
 1 
 0
 
2 W T      318X18   , 1 , 0  1  , 1 W    W  ;
19
18


 
 1 
3
 1
 
W T      319X19   ,  1 , 0  0  , 2 W    W  ;
19
20

 
  1 
4
 1
 
21
20
W T      320X20   ,  1 , 0   1  , 2 W    W  

 
  1 
Це свідчить, що шуканий ваговий вектор ваг має вигляд
T
W   3 ,  1 , 0 ; відповідна рішаючи функція буде
d  X   x 3 1  1 0; рівняння роздільної границі буде
 x 3  1  0 .
1
Алгоритм навчання перцептрону можна узагальни-
2
ти на випадок m  класів. Припустимо, що існує m
рішаючи функцій таких, що при x  
i
j
d i   dX  j  X для усіх i  .
Нехай на k -му кроці процедури навчання після подання
об’єкту  kX , який належить класу  , обчислені M
e
Рішаючи функцій
T
d i X   Wk  i    ,kXk i  1 ,..., m,
Якщо виконуються умови
d X   dk  X  ,k i  1 ,..., m ; i  e ,
e i
то вагові вектори на k -му кроці не змінюється
150