8.1.2外星学习规则 外星网络的激活函数是线性函数,它被用来学习回忆 个矢量,其网络输入P也可以是另一个神经元模型的输 出 外星被训练来在一层s个线性神经元的输出端产生一个特 别的矢量A。 对于一个外星,其学习规则为: △ ai-wi1)·pj 与内星不同,外星联接强度的变化Δw是与输入矢量P成 正比的。这意味着当输入矢量被保持高值,比如接近1 时,每个权值w;将趋于输出a值,若p;=1,则外星使权 值产生输出矢量。 当输入矢量p为0时,网络权值得不到任何学习与修正8．1．2外星学习规则 外星网络的激活函数是线性函数，它被用来学习回忆一 个矢量，其网络输入P也可以是另一个神经元模型的输 出。 外星被训练来在一层s个线性神经元的输出端产生一个特 别的矢量A。 对于一个外星，其学习规则为： 与内星不同，外星联接强度的变化Δw是与输入矢量P成 正比的。这意味着当输入矢量被保持高值，比如接近1 时，每个权值wij将趋于输出ai值，若pj ＝1，则外星使权 值产生输出矢量。 当输入矢量pj为0时，网络权值得不到任何学习与修正