Page 154 - 4196
P. 154

 ,1    якщо   X     ,
                          r i    X                i
                                    , 0  якщо  X     .
                                                       i
                 Величину   Xr i   можна вважати деякою апроксима-
           цією щільності   f  i  X , причому, якщо для усіх об’єктів

           навчальної вибірки справедлива рівність  W   i T  X   r i  X , то
           ваговий  вектор  W   забезпечує  правильну  класифікацію
                               i
           цих об’єктів. Тепер, якщо розглянути, наприклад, функції

                                     1
                          J 1  ,W  X    M r i    WX   i T X  
                                     2
           або
                                    1             T   2  
                        J 2  ,W  X    M   i   WX  i  X    ,
                                         r
                                    2                  
                                                                   T
           то  мінімум  цих  функцій  досягається  при    WXr i    i  X ,
           тобто  при  правильній  класифікації  усіх  еталонів.  Міні-
           мум функцій  ,J 1  J  можна знайти методом градієнта.
                              2

                 1 Алгоритм мінімальної абсолютної похибки
                 Статистичний  алгоритм,  подібний  алгоритму  пер-
           цептрону будується за допомогою функції

                                                   T
                          J 1  ,W  X  rM  i    WX   i  X  .
                 Згідно методу градієнта корегування вагового век-
           тора відбувається за алгоритмом
                                             J  W  , X 
                     W  k    1   W   k    k   1  i    . (4.89)
                                                W     W W  k

           Знайдемо часткову похідну
                       J   1                     T
                            M   X   sign  r i    WX   i  X        (4.90)
                      W i
           Після  підстановки  (4.90)  в  (4.89)  отримаємо  алгоритм
           визначення ваг
                                       154
   149   150   151   152   153   154   155   156   157   158   159