4.2单个自适应线性神经元的学习方法 (2)在A样本集合{A,B}中，任选一个x或xB作为输入向量， 比如选中xA中的x作为本次的训练，并以此为输入计算 感知机的输出：y=f(WrX) (3)若y=1,则表明分类正确，而不需要调整权值和阈值，如此 可回到(2)步，并重新选一个新的训练样本。如果y=-1 ,表明将X错分到X°类中了，需按下面步骤调整权值。 (4)设no为送代次数，按： w,(n+1)=w,(n)+27y-y'(n)x(n,) 其中：t,4是理想输出，即样本输出)调整权值，此处门 为学习率。y=1为期望输出，直到计算y=】为止。 2006-11-28 北京科技大学付冬梅 82006-11-28 北京科技大学 付冬梅 8 为迭代次数，按： 作为输入向量， ,则表明分类正确，而不需要调整权值和阈值，如此 错分到 类中了，需按下面步骤调整权值。 中的 作为本次的训练，并以此为输入计算 A B x 或x A x  x ( ) l T l y = f W X 比如选中 （2）在A样本集合{A，B}中，任选一个 感知机的输出： =1 l y = −1 l y l x B ，表明将 x （3）若 可回到（2）步，并重新选一个新的训练样本。如果 0 n 0 0 0 0 ( 1) ( ) 2 (y ( )) ( ) l l w n w n y n x n i i i + = + −  qA t  y 1 = y = 1 其中： 是理想输出，即样本输出）调整权值，此处 为学习率。 为期望输出，直到计算 为止。 （4）设 4.2单个自适应线性神经元的学习方法