Page 52 - 4196
P. 52

1
                 Якщо вибрати  A       E   , де  E - одинична матри-
                                   n
                                          n
           ця, то алгоритм (4.36) відповідає алгоритму стохастичної
           апроксимації.
                 Застосуємо  до  роздільної  функції   a,xg    апрокси-
           мацію
                                N
                       g  a,x    a  j   j    ax  T    x ,      (4.37)
                              
                                j 1
           де  a   N  - вимірний вектор шуканих параметрів,   x   -
           відомі лінійно незалежні вектор-функції, як правило ор-
           тонормовані.
                 Підставляючи (4.37) в (4.32), (4.33), (4.35), отрима-
           ємо

                                         
                                                    ;
                           J  ( )a   M   F y a  T φ x 
                                    x              
                                     
                                          
                          J  ( )a   M  F y a  T φ x 
                                                      ,
                                    x                
           де
                                                                  
                   
                                                  x 
                F y a  T φ   x    F  y a  T  φ x    Q   ,x a .
                                              
                        
                 На  n му  кроці  алгоритму  навчання  величина
             Q  ,x   a  буде дорівнювати
                                                      ,
                     Q  ,x a n 1    F   y   a T n 1  φ x   φ x n
                                                    n 
                                         n
                          n
           а оцінка вектору  a  для дискретного алгоритму навчання
                               n
           буде
                                                   .
                     a   a    A F  y   a T  φ x   φ x       (4.38)
                      n    n 1  n     n  n 1   n     n
                 Алгоритм навчання допускає узагальнення на непе-
           рервний випадковий процес   tx  , для якого
               da    dt  t   A    yFt      at   T   xt     xt    t .    (4.39)

                                        52
   47   48   49   50   51   52   53   54   55   56   57