SlideServe
Menu
Préférences
© SlideServe · v2026

Perceptron Learning Rule

sereno avatar
1 diapositives · 251 Views · Aug 21, 2014

t = -1. t = 1. o =1. w = [0.25 –0.1 0.5] x 2 = 0.2 x 1 – 0.5. o =-1. ( x , t )=([2,1], - 1) o =sgn(0.45-0.6+0.3) =1. ( x , t )=([-1,-1], 1) o = sgn(0.25+0.1-0.5) = - 1.  w = [0.2 –0.2 –0.2].  w = [ - 0.2 –0.4 –0.2]. ( x , t )=([1,1], 1) o = sgn(0.25 - 0.7+0.1) = - 1.

Perceptron Learning Rule - slide 1
01 / 1Perceptron Learning Rule
1 / 17

Télécharger la présentation

Perceptron Learning Rule
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation
  1. t=-1 t=1 o=1 w=[0.25 –0.1 0.5] x2 = 0.2 x1 – 0.5 o=-1 (x,t)=([2,1],-1) o=sgn(0.45-0.6+0.3) =1 (x,t)=([-1,-1],1) o=sgn(0.25+0.1-0.5) =-1 w=[0.2 –0.2 –0.2] w=[-0.2 –0.4 –0.2] (x,t)=([1,1],1) o=sgn(0.25-0.7+0.1) =-1 w=[0.2 0.2 0.2] -0.5x1+0.3x2+0.45>0  o = 1 Perceptron Learning Rule x2 x2 x1 x1 x2 x2 x1 x1