返回主题:神经网络基础单元与训练

知识卡片

普通读书笔记卡 · 3788.f

ADALINE线性学习

理解等级:初级

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?

已有反馈 · 0 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。