1. Wyznaczanie błędu neuronu w sieci x\
a) Warstwa wyjściowa
Sk = f(netk) (dk-yt) xi
(dla& = 1, 2,K)
O
b) Warstwa ukryta
K O
pj = (dIa./= 2’ ■/)
*N
2. Algorytm uczenia
Krok 1: Wylosuj początkowe macierze wag W, V\ początkowe wektory odchyleń B, C Krok 2: Dla każdego wektora uczącego X
2.1 Wyznacz wektor wyjściowej z I warstwy (ukrytej)
2.2 Wyznacz wektor wyjściowej z II warstwy (wyjściowej)
Z =flV.Y+C)
23 Wyznacz błędy neuronów
a) Warstwa wyjściowa:
Sk = f(netk) (,dk-yk) (dla k = 1,2,..., £)
b) Warstwa ukryta:
K
Pi = /'(«<**)X(dla> = 2,..., 7)
*«i
2.2 Uaktualizuj wagi (dla i =1
a) Warstwa wyjściowa:
VL = + 7-^ (dla * = 1,2,..., K)
cL =cm + t?A
b) Warstwa ukryta:
WL = W!* + Tj-PjX (dla; =1,2,..., J)
Krok 3: Jeśli wagi pozostały bez zmian lub E<Emin to stop, wpp. powrót do Krok 2
IV. Funkcja błędu
1. Sieć z jednym wyjściem:
<«i
P - liczba wektorów uczących
2. Sieć z wieloma wyjściami
1-1 jm 1
P - liczba wektorów uczących, K- liczba wyjść sieci