Обучение искусственной нейронной сети простого типа (нерсептрона)

Процесс обучения персептрона состоит в подстройке весовых коэффициентов. Так же, как и в некоторых других алгоритмах обучения, для обучения персептрона используется набор данных (обучающая выборка), в котором имеются наборы входных воздействий и желаемых выходных данных.

Алгоритм обучения персептрона основан на методе наискорейшего спуска (см. также подпараграф 5.1.2). С помощью данного метода происходит корректировка каждого весового коэффициента w

где г| — скорость обучения; Е — относительная погрешность; t — желаемое выходное значение; у — фактическое выходное значение; х-, — текущее входное значение; w_t — весовые коэффициенты.

Скорость обучения г — это константа, которая обычно выбирается в соответствии с описанием градиентных методов. Относительная погрешность Е вычисляется с использованием разности между фактическим и желаемым выходным воздействием. Функция, вычисляющая данную погрешность, известна как функция ошибок:

Необходимо отметить, что структура персептрона накладывает определенные ограничения на виды задач, которые тот может решать. Этот вид нейронной сети способен решать только линейные задачи. Далее будут рассмотрены более сложные модели нейронных сетей, которые, соответственно, способны решать более сложные задачи.