回顾：,感知器的学习算法,感知器学习规则的训练步骤：,(1)对各权值w0j(0),w1j(0),wnj(0)，j=1,2,m（m为计算层的节点数）赋予较小的非零随机数；,(2)输入样本对Xp,dp，其中Xp=(-1,x1p,x2p,xnp)，dp为期望的输出向量（教师信号），上标p代表样本对的模式序号，设样本集中的样本总数为P，则p=1,2,P；,4.2.2前向神经网络,1、单层感知器,感知器学习规则的训练步骤：,(3)计算各节点的实际输出,(4)调整各节点对应的权值,(5)返回到步骤(2)输入下一对样本，周而复始直到对所有样本，感知器的实际输出与期望输出相等。,(ojp(t)=sgnWjT(t)Xp,j=1,2,.,m；,Wj(t+1)=Wj(t)+djp-ojp(t)Xpj=1,2,m,其中为学习率，用于控制调整速度，太大会影响训练的稳定性，太小则使训练的收敛速度变慢，一般取01；,2、学习规则,学习规则是修正神经元之间连接强度或加权系数的算法，使获得知识结构适用周围环境的变换。,（1）无监督Hebb学习规则,Hebb学习是一类相关
