Лекция: Обучение простейшего персептрона распознаванию двух образов.

Пусть дан персептрон.

Дана матрица рецепторных клеток nxn, на которую подается образ в виде 0 и 1.

Пусть пепсептрон распознает два образа Х и 0, в общем случае эти образы могут быть представлены по-разному.

Там, где стоит 1, там есть образ, все остальные клетки заполнены 0.

Дан массив ассоциативных клеток nxn. Матрица рецепторных клеток связана с матрицей ассоциативных клеток. Каждая рецепторная клетка связана случайным образом с ассоциативными клетками. Количество связей равно m, где m много больше n (m>>n).

Дана одна эффекторная клетка с которой связаны все ассоциативные клетки через некоторый вес.

На рецепторную клетку подается образ, который отображается на ассоциативной клетке и предается на эффекторную клетку через веса и эффекторная клетка отвечает 1, если X и 0, если подан 0. Если ответ не верен, то сеть будем обучать, изменяя веса ассоциативных клеток.

Допустим, есть следующая модель персептрона:

Алгоритм обучения персептрона следующий:

1. Присвоить синаптическим весам некоторые начальные значения. Например, нулю.

2. Подать входной образ и вычислить. Если правильный, то переходят к шагу 4. Иначе к шагу 3.

3. Корректируем значения синаптических весов.

4. Повторить шаги 2-4 данного алгоритма обучения персептрона пока сеть не станет выдавать ожидаемый выход на векторах из обучающей выборки или пока отклонение не станет ниже некоторого порога.

Т.о. образом логика обучения персептрона следующая: если сигнал персептрона при некотором образе верен, то ничего корректировать не надо, если нет – производится корректировка весов.