Алгоритм обучения нейронной сети с учителем:
-
Инициализируем элементы весовой матрицы небольшими случайными значениями. У нас в матрицу входит два коэффициента и . Берём и .
-
Подать на входы один из входных векторов, которые сеть должна научиться различать и вычислить её выходы. Выход вычисляется по формуле , где и - заданные по условию в таблице координаты образа (вектора). В нашем случае изначально берем и по порядку из таблицы, т.е. для для образа .
-
Проверяем равильность выходного сигнала. Правильность проверяется по отношению к эталонному значению . Выход будет считаться правильным, если . Так как идеально получиться не может, нас устроит небольшая погрешность, т.е.
Если выход правильный, перейти к шагу 4.
Иначе (если выход неправильный, т.е. ) вычислить разницу между идеальным и полученным значениями выхода и модифицировать веса в соответствии с формулой дельта-правила:
.
В нашем случае или , (задано)
Получается следующее: если , то весовые коэффициенты будут увеличены и тем самым уменьшат ошибку. В противном случае они будут уменьшены, и тоже уменьшится, приближаясь к - уменьшится ошибка. Отметим, что и модифицируются одновременно. Проделываем модификацию до тех пор, пока нужная нам точность не будет достигнута.
-
Продолжаем подавать на входы нейронной сети векторы в заданном по условию (в таблице) порядке, но уже используя полученные на шаге 3. значения и . "Прогнав" через входы сети все данные по условию векторы (10 векторов), т.е. обучающую последовательность, мы в итоге получим интересующие нас значения коэффициентов и .
Получив коэффициенты и , мы получили угол наклона нужной нам прямой (гиперплоскости).
Вычислим значения для каждого из заданных по условию векторов.
Воспользовавшись формулой , найдём как среднее значение всех полученных ранее , т.е. .
Занесем найденные коэффициенты в Таблицу 5:
-
0,70086
0,08616
0,06616
Таблица 5
На основе этих коэффициентов, используя формулу , построим разделяющую гиперплоскость на Рис.1. На этом же Рис.1 отобразим распределение образов в Евклидовом пространстве:
Р ис.1
Из Рис.1 видно, что и относятся к классу "1", а к классу "0".
Ответ: и относятся к классу "1", а к классу "0".