책업을때 보려고 블로그에 백업
Step 1 : Set output layer weights and learing rate
Step 5 : Compute output
w <- [0.5, 0.5, 0.5]
a <- (0 <= a <= 1)
a <- (0 <= a <= 1)
Step 2 : Initliaze hidden later weights and counter
v <- small random number
p <- number of training pattern pairs
k <- 1
p <- number of training pattern pairs
k <- 1
Step 3 : For each training pattern pair (x, d),
do Step 4 - 7 until k = p
Step 4 : Compute hidden layer outputs
Step 4 : Compute hidden layer outputs
z = +1 ; NET_z >= 0
-1 ; NET_z < 0
-1 ; NET_z < 0
Step 5 : Compute output
y = +1 ; NET_y >= 0
-1 ; NET_y < 0
-1 ; NET_y < 0
Step 6 : Compare output and desired output
If y = d, k <- k + 1 and goto Step 3
else Update hidden layer weights
If d = 1 update weights to z whose NET_z is closest to zero
If d = 1 update weights to z whose NET_z is closest to zero
delta_v = a * (d - NET_z) * x
v = v + delta_v
v = v + delta_v
If d = -1 update wegiths to z whose NET_z is positive
delta_v = a * (d - NET_z) * x
v = v + delta_v
v = v + delta_v
Setp 7 : Increase counter and goto Step 3
k <- k + 1
Step 8 : Test stop condition
If maximum of delta_v < tolerance in Step 4-7, stop
else, k <- 1 and goto Step 3
'신경망' 카테고리의 다른 글
| 모멘텀 BP 알고리즘 momentum BP algorithm (0) | 2009/01/15 |
|---|---|
| Backpropagation algorithm (0) | 2008/12/30 |
| MADALINE 학습 알고리즘 - MR I (4) | 2008/11/28 |
| 퍼셉트론 학습 알고리즘 (0) | 2008/11/28 |
| 퍼셉트론 Perceptron 패턴인식 데모 (8) | 2008/11/04 |
| Perceptron 시뮬레이션 (2) | 2008/10/21 |
댓글을 달아 주세요
책을 업고 블로그를보다니... 책을 무척아끼시는군요
으악!! 오타
밥은 드시고 다니세요? ㄲㄲ
그리고 중력장의 왜곡에 의한 PG어의 위대함 증명은 언제나 기대하고 있어요 'ㅅ'
PG어의 위대함 때문에 자꾸면 어깨가 무거워집니다. 불가능에 도전하는거 같다능