1.32内星学习规则 米 ◆可以通过内星及其学习规则可训练某一神经元 节点只响应特定的输入矢量P,它借助于调节 网络权矢量W近似于输入矢量P来实现的 ◆单内星中对权值修正的格劳斯贝格内星学习规则为 △w1;=l·(pj-wlj)·a,j=l,2,…,r ◆内星神经元联接强度的变化△w1与输出成正比的。 如果内星输出a被某一外部方式而维护高值时,通过不断反复 地学习,趋使ΔW1逐渐减少,直至最终达到W=P,从而使 内星权矢量学习了输入矢量P,达到了用内星来识别一个矢量 的目的 2021/2/20 另一方面,如果内星输岀保持为低值时,网络权矢量被学习 的可能性较小,甚至不能被学习2021/2/20 8 1.3.2 内星学习规则  可以通过内星及其学习规则可训练某一神经元 节点只响应特定的输入矢量P，它借助于调节 网络权矢量W近似于输入矢量P来实现的  单内星中对权值修正的格劳斯贝格内星学习规则为  内星神经元联接强度的变化Δw1j与输出成正比的。 – 如果内星输出a被某一外部方式而维护高值时，通过不断反复 地学习，趋使Δw1j逐渐减少，直至最终达到w1j＝pj，从而使 内星权矢量学习了输入矢量P，达到了用内星来识别一个矢量 的目的 – 另一方面，如果内星输出保持为低值时，网络权矢量被学习 的可能性较小，甚至不能被学习