Page 156 - 4196

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