مباحثی از الگوریتم تربیت و شناسایی "perceptron"در شبکه های عصبي

شناسه های کلی الگو:
الف)تابع تحریک شبکه:
درحالت کلی این تابع به صورت زیر تعریف می شود:
If θ<yin then y=1
If │θ│<yin then y=0
If θ>yin then y= -1
که yin مجموع حاصل ضرب های ورودی ها در وزنشان است و θ معمولا مقداری ثابت و در حدود 2/0 بدست می آید.
ب)روش های تربیتی وزن ها:
Wi(new)=wi(old)+α*t*xi
B(new)=b(old)+α*t
در این دو رابطه α سرعت شناسه و تربیت الگوریتم است که معمولا مقداری بین صفر و یک است.
T همان target و هدف شناسی الگوریتم است.
B هم نرون ورودی اولیه را تشکیل می دهد.

دراین طرح واره x1 نماد ورودی اول , w1 نماد مقدار وزنی ورودی اول , y نماد خروجی است.ملاحظه می شود خروجی تمام نرون های ورودی y است و این معماری برای تمام دسته های نرون ها صادق است در واقع این شبکه دارای n نرون ورودی و تنها یک نرون خروجی است.
"شمای کلی الگوریتم"
Step0.initalize weight and bias ,set learning rate α (0<α≤1)
Step1.while stopping condition is false do steps 2-6
Step2.for each training set do steps 3-5
Step3.set activation of input units
X=spattern
Step4.compute response of output units:
Yin=b+∑xiwi
ifΘ<yin then y=1

if Θ>yin then y=-1

if -Θ<yin<Θ then y=0
Step5.update weights and bias if an error occurred for this pattern
if y≠t
wi(new)=wi(old)+α*t*xi
b(new)=b(old)+α*t
else
wi(new)=wi(old)
b(new)=b(old)
step6.test stopping condition
if no weight changed in step 2 then
exit of algorithm
else
go to step 1.
End.

www.eshtehardcity.ir

نظر

افزودن جدید

جستجو