Mustererkennung mit Neuronalen Netzen - Informatik
Mustererkennung mit Neuronalen Netzen - Informatik
Mustererkennung mit Neuronalen Netzen - Informatik
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Lernregel für das Perzeptron (1)"<br />
Gegeben sei eine Menge von Lernbeispielen<br />
(Trainingsbeispiele) für den Eingangsvektor Χ.<br />
Für jedes Beispiel ist der gewünschten Ausgangswert d(Χ)<br />
bekannt. Bei einer Klassifikationsaufgabe ist d(Χ)<br />
üblicherweise +1 oder -1.<br />
Die Lernregel für das Perzeptron ist wie folgt:<br />
Beginne <strong>mit</strong> Zufallswerten für alle Gewichte<br />
Wähle einen (den nächsten) Eingangsvektor Χ aus der<br />
Menge der Trainingsbeispiele<br />
Wenn der berechnete Ausgangswert y(Χ) nicht <strong>mit</strong> dem<br />
gewünschten Ausgangswert übereinstimmt ( y(Χ) ≠ d(Χ) ),<br />
verändere alle Gewichte <strong>mit</strong> Δw i = d(Χ) x i .<br />
Gehe zurück zu Schritt 2<br />
Bildverarbeitung und Biometrik<br />
SS13 7.20