知识卡片
ADALINE线性学习
ADALINE 是自适应线性单元,利用可调权重对输入形成线性响应,并通过训练修改权重。它与单纯固定逻辑单元的区别在于参数可由数据适应;原书把 Widrow–Hoff 学习法与通信回波、噪声抵消等应用联系起来,但本节没有给出更新公式或实验条件,不能仅凭案例推断对任意噪声都有效。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 9 . 1 . 2 神 经 网 络 算 法 发 展 历 程 · 查看原书依据
图19.2 感知器模型 1959年,美国著名工程师B. Widrow和M. Hoff等提出了自适应线性元件ADALINE,如图19.3所示,并在他们的论文中描述了它的学习方法:Widrow-Hoff算法。该网络通过训练,可以用于抵消通信中的回波和噪声,也可用于天气预报,成为第一个用于实际问题的神经网络。
参考来源
- 位置:《智能算法导论》第 180 项《1 9 . 1 . 2 神 经 网 络 算 法 发 展 历 程》(源文件:`_epub-src/EPUB/xhtml/chapter19_0003.xhtml`)
- 结论依据:正文明确把 ADALINE 称为自适应线性元件,提到 Widrow–Hoff 学习方法和回波、噪声应用;图 19.3 给出加权输入与偏置连接,但本节未提供具体更新方程。
- 原始内容:B. Widrow和M. Hoff等提出了自适应线性元件ADALINE……并在他们的论文中描述了它的学习方法:Widrow-Hoff算法。该网络通过训练,可以用于抵消通信中的回波和噪声。