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