3.2.2 广义平均算子模型算法
令第k个样本输入为x1k,x2k,…,xnk,要求其输出为Yk,对m个不同学习样本输入后,其输出误差最小,即:
E=∑m—k=1(fk-Yk)2→min(3-3)
式中:fk为实际输出,根据(3-1)式的神经元输出g为
gk=(∑n—i=1wixpi)1—p且∑n—i=1wi=1
为了保证∑n—i=1wi=1,将wi归一化条件,则gk改为fk,满足:
fk={w21—∑n—i=1w2ixp1k+w22—∑n—i=1w2ixp2k+…+w2n—∑n—i=1w2ixpnk}1—p(3-4)
根据梯度法,每个权的修改为
wi(t+1)=wi(t)-ηE—wi
利用(3-3)式和(3-4)式,则有
E—wi=2∑m—k=1(fk-Yk)fk—wi
fk—wi=2wi—p∑n—i=1w2if1-pk(xpik-fpk)
因此可得
wi(t+1)=wi(t)-2η∑m—k=1(fk-Yk)2w1—p∑n—i=1w2if1-pk(xpik-fpk)(3-5)
根据梯度法得到每个控制参数p为
p(t+1)=p(t)-η′E—p=p(t)-2η′∑m—k=1(fk-Yk)fk—p
fk—p=f1-pk—p2∑n—i=1w2i—∑k—i=1w2ixpiklnxpik-fpklnfpk(3-6)
p(t+1)=p(t)-2η′∑m—k=1(fk-Yk)f1-pk—p2∑n—i=1w2i—∑k—i=1w2ixpiklnxpik-fpklnfpk
其中,ηη′是学习速率,令p,wi都为1,利用(3-5)式和(3-6)式进行迭代,直到E—p,E—wi为零停止。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。