首页 / 软件开发 / 数据结构与算法 / 人工神经网络（Artificial Neural Netwroks）笔记-delta规则增量学习

人工神经网络（Artificial Neural Netwroks）笔记-delta规则增量学习2011-08-24 博客园 T.t.T！Ck.￠#delta规则增量学习

Wij（t+1）=Wij（t）+α（Yj-Aj（t））Oi（t）

式中 Wij（t+1）、Wij（t） 分别表示神经元ANi到ANj的联接在时刻t+1和时刻t的强度，Oi（t）为ANi神经 元在时刻t的输出，Yj为神经元ANj的理想输出,Aj（t）为神经元ANj的激活状态，α为给定的学习率

这是有监督学习（Supervised Learning）中最为重要，应用最普遍的delta规则

增量学习（Delta Rule Learning）和 向后传播学习（Back Propagation Learning） 都可使用delta 规则来调整联接权重

BP网络中delta规则的理论推导是一个难点，但是只要遵循上面的公式来做就可以实现了