4.2单个自适应线性神经元的学习方法 (5)重新在A,B样本集中选择另一个样本进行学习，即 重复(2)~(5)，直到 w,(no+1)=w,(no) 对所有i=1,2,…,n+1均成立，对所有样本均正确 分类，则学习结束。 说明：①上面的算法适合f(u)=ku+b这样连续激动函数，但是 此时不能用y(n)=1或-1来作为迭代的标准，往往以误差 大小作为限制，即在算法的第(3)步中，|y-yKe 则不要调整权值，否则进行(4)步。 ②理想输出不一定非得是+1或-1，可以使其他的实数。 2006-11-28 北京科技大学付冬梅 92006-11-28 北京科技大学 付冬梅 9 ( 1) ( ) 0 0 w n w n i + = i i =1,2,  , n +1 （5）重新在A，B样本集中选择另一个样本进行学习，即 重复（2）~（5），直到 对所有 均成立，对所有样本均正确 分类，则学习结束 。 f u ku b ( ) = + y (n0 ) =1或 −1 l | y | l y e −  ①上面的算法适合 这样连续激励函数，但是 来作为迭代的标准，往往以误差 ，则不要调整权值，否则进行（4）步。 说明： 此时不能用 大小作为限制，即在算法的第（3）步中， ②理想输出不一定非得是+1或-1，可以使其他的实数。 4.2单个自适应线性神经元的学习方法