1.33外星学习规则 米 ◆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 △wa1=lr:(ai-wi)·p ◆与内星不同,外星联接强度的变化△w是与输入矢量P成正比的 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 2021/2/202021/2/20 9 1.3.3 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 – 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