81 W 1 x2 ym 输入部分一 输出层 1, 若∑%，-日，20 到 y=1 0, 若∑州-日，<0 Jj=1,2,,m 1959年Rosenblatt提出了感知器模型中连接权值参数的学习算法。算法的思想 是首先把连接权值和阈值初始化为较小的非零随机数，然后把有个连接权值的 输入送入网络，经加权运算处理，得到的输出如果与所期望的输出有较大的差别， 就对连接权值参数按照某种算法进行自动调整，经过多次反复，直到所得到 的输出与所期望的输出间的差别满足要求为止。 感知器信息处理的规则为： 其中y(t)为t时刻输出，xi为输入向量的一个分量，Wi(t)为t时刻第i个输入 的加权，0为阈值，f0为阶跃函数。 感知器的学习规则如下： W(1+1)=W(t)+nd-xt)k 其中n为学习率(0<n<1),d为期望输出，y(t)为实际输出。1959 年 Rosenblatt 提出了感知器模型中连接权值参数的学习算法。算法的思想 是首先把连接权值和阈值初始化为较小的非零随机数，然后把有 n 个连接权值的 输入送入网络，经加权运算处理，得到的输出如果与所期望的输出有较大的差别， 就对连接权值参数按照某种算法进行自动调整，经过多次反复，直到所得到 的输出与所期望的输出间的差别满足要求为止。 感知器信息处理的规则为： ， 其中 y(t)为 t 时刻输出，xi 为输入向量的一个分量，Wi(t)为 t 时刻第 i 个输入 的加权，θ 为阈值，f()为阶跃函数。 感知器的学习规则如下： 其中 η 为学习率（0<η<1），d 为期望输出，y(t)为实际输出