Page 156 - 4196
P. 156
де початковий вектор ваг 1W вибирається довільно; W
- вектор ваг класу ; Xr 1k , якщо об’єкт-еталон
1
X k і Xr 0k , якщо kX .
1
2
При класифікації невідомого об’єкту X рішаючи прави-
ло буде таким:
f 1 X W T X 2 / 1 , об’єкт X відноситься до класу
,
1
T
f 1 X W X 2 / 1 , об’єкт X відноситься до класу
,
1
де W T X є апроксимацією щільності f 1 X за критері-
єм мінімальної абсолютної похибки.
2 Алгоритм мінімальної середньої квадратичної по-
хибки
Вибір функції
1 T 2
r
J 2 W i , X M i WX i X
2
Відповідає статистичному алгоритму навчання за крите-
рієм найменшої середньої квадратичної похибки, яка до-
сягає мінімуму при правильній класифікації усіх
об’єктів-еталонів.
Градієнт функції J дорівнює
2
J 2 T
M X r i WX i X .
W i
Це дає наступний алгоритм визначення ваг
W i k 1 W i k k X Xrk i Wk i T kXk ,
де k 1 k ; початкове значення вагового вектору W 1
береться довільним; Xr 1k , якщо X k ,
i
r i X 0k , якщо kX .
i
156