现在来考虑当不同的输入矢量p和p2分别出现在同一内星 时的情况 首先,为了训练的需要,必须将每一输入矢量都进行单位 归一化处理 当第一个矢量p输入给内星后,网络经过训练,最终达到 此后,给内星输入另一个输入矢量p2,此时 内星的加权输入和为新矢量p2与已学习过矢量p的点积, 即 N=W·P2=(P)y·P2= PlIP4lcos12=cos61 因为输入矢量的模已被单位化为1,所以内星的加权输 入和等于输入矢量pl和p2之间夹角的余弦。现在来考虑当不同的输入矢量p 1和p 2分别出现在同一内星 时的情况。 首先，为了训练的需要，必须将每一输入矢量都进行单位 归一化处理。 当第一个矢量p 1输入给内星后，网络经过训练，最终达到 W＝(p1 ) T 。此后，给内星输入另一个输入矢量p 2 ，此时 内星的加权输入和为新矢量p 2与已学习过矢量p 1的点积， 即： 因为输入矢量的模已被单位化为1，所以内星的加权输 入和等于输入矢量p 1和p 2之间夹角的余弦