Page 53 - 4196
P. 53
Умови збіжності алгоритмів навчання в середньому
квадратичному записуються: для дискретного алгоритму
навчання
2
lim M a a 0 (4.40)
n
n
або P lim a a 0 1;
n
n
для неперервного алгоритму навчання
2
lim M a at 0 (4.41)
n
або P lim a at 0 1.
n
Приклад 4.4 Розглянемо алгоритм навчання для
байесівської процедури побудови рішаючої функції для
двох класів. Припустимо, що відомі втрати L 12 , L не-
21
вірної класифікації і належність спостережень до певного
класу; величини p 1 f , x 1 , p 2 f , x 2 невідомі.
Із умови мінімуму середнього ризику отримаємо,
що розподіл вибіркового простору на дві області
X 1 U X буде визначатися знаком роздільної функції
2
g Lx 21 p 2 f x 2 L 12 p 1 f x 1 (4.42)
s
Функцію xg шукають у вигляді a k x де
k
k 1
a 1 ,..., a - шукані параметри; 1 ,..., - відомі функції.
s
k
Параметри a отримаємо із умови
2
s
min g x a k x min ) a ( J ,
k
k 1
яка веде до рівняння
s
g x a k x j dxx , 0 j 1 ,..., s ,
k
X k 1
або
53