Felkorrigeringsmetod

Felkorrigeringsmetoden är en perceptroninlärningsmetod som föreslagits av Frank Rosenblatt . Det är en inlärningsmetod där anslutningens vikt inte ändras så länge som perceptronens aktuella reaktion förblir korrekt. När en felaktig reaktion inträffar ändras vikten med ett och tecknet (+/-) bestäms mitt emot tecknet för felet.

Metodändringar

I perceptronkonvergenssatsen särskiljs olika typer av denna metod, det är bevisat att någon av dem tillåter en att erhålla konvergens för att lösa alla klassificeringsproblem.

Felkorrigeringsmetod utan kvantisering

Om reaktionen på stimulansen är korrekt, så introduceras ingen förstärkning, men när fel uppstår läggs värdet till vikten av varje aktivt A-element , där är antalet förstärkningsenheter, väljs så att signalvärdet överstiger den positiva tröskelklassen, och är en stimulans som tillhör den negativa klassen. $Si}$ ${\displaystyle \eta =\rho _{i}\Delta x_{i))$ $\Delta x_{i}$ $\rho _{i}={\begin{cases}+1,ifS_{i}^{+};\\-1,ifS_{i}^{-}.\end{cases))$ ${\displaystyle S_{i}^{+))$ $S_{i}^{-}$

Felkorrigeringsmetod med kvantisering

Den skiljer sig från felkorrigeringsmetoden utan kvantisering endast genom att , det vill säga att den är lika med en förstärkningsenhet. $\Delta x_{i}=1$

Denna metod och metoden för felkorrigering utan kvantisering är desamma när det gäller hastigheten för att nå en lösning i det allmänna fallet, och är mer effektiva än metoderna för felkorrigering med ett slumpmässigt tecken eller slumpmässiga störningar .

Slumpmässig förstärkningsfelkorrigeringsmetod

Det skiljer sig genom att förstärkningstecknet väljs slumpmässigt oberoende av perceptronreaktionen och kan vara positivt eller negativt med lika stor sannolikhet. Men precis som i grundmetoden - om perceptronen ger rätt svar, så är förstärkningen noll. $\eta$

Felkorrigeringsmetod med slumpmässiga störningar

Det skiljer sig genom att värdet och tecknet för varje anslutning i systemet väljs separat och oberoende i enlighet med en viss sannolikhetsfördelning. Denna metod leder till den långsammaste konvergensen jämfört med de ovan beskrivna modifikationerna. $\eta$

Se även

Litteratur

Frank Rosenblatt. Principer för neurodynamisk: perceptroner och teorin om hjärnmekanismer. - M . : "Mir", 1965.

Lakhmi C. Jain; NM Martin Fusion av neurala nätverk, fuzzy system och genetiska algoritmer: industriella tillämpningar. - CRC Press, CRC Press LLC, 1998