感知器的训练算法实例

感知器的训练算法实例将属于ω2的训练样本乘以（-1），并写成增广向量的形式。x①=(001)T,x②=(011)T,x③=(-10-1)T,x④=(-1-1-1)T第一轮迭代：取C=1，w(1)=(000)T因wT(1)x①=(000)(001)T=0≯0，故w(2)=w(1)+x①=(001)T因wT(2)x②=(001)(011)T=10，故w(3)=w(2)=(001)T因wT(3)x③=(001)(-10-1)T=-1≯0，故w(4)=w(3)+x③=(-100)T因wT(4)x④=(-100)(-1-1-1)T=10，故w(5)=w(4)=(-100)T这里，第1步和第3步为错误分类，应“罚”。因为只有对全部模式都能正确判别的权向量才是正确的解，因此需进行第二轮迭代。第二轮迭代：因wT(5)x①=(-100)(001)T=0≯0，故w(6)=w(5)+x①=(-101)T因wT(6)x②=(-101)(011)T=10，故w(7)=w(6)=(-101)T因wT(7)x③=(-101)(-10-1)T=0≯0，故w(8)=w(7)+x③=(-200)T因wT(8)x④=(-200)(-1-1-1)T=20，故w(9)=w(8)=(-200)T需进行第三轮迭代。第三轮迭代：因wT(9)x①=(-200)(001)T=0≯0，故w(10)=w(9)+x①=(-201)T因wT(10)x②=(-201)(011)T=10，故w(11)=w(10)=(-201)T因wT(11)x③=(-201)(-10-1)T=10，故w(12)=w(11)=(-201)T因wT(12)x④=(-201)(-1-1-1)T=10，故w(13)=w(12)=(-201)T需进行第四轮迭代。第四轮迭代：因wT(13)x①=10，故w(14)=w(13)=(-201)T因wT(14)x②=10，故w(15)=w(10)=(-201)T因wT(15)x③=10，故w(16)=w(11)=(-201)T因wT(16)x④=10，故w(17)=w(12)=(-201)T该轮的迭代全部正确，因此解向量w=(-201)T，相应的判别函数为：d(x)=-2x1+1