、预备知识(9) 8、6学习律 这种方法是用已知例子作为教师对网络的 权进行学习。其规则是通过神经网络理想输出 和实际输出之间的误差来修正网络的权值。在 很多神经网络中，都采用了这种学习方法，如 Perceptron,Adal ine和Back-propagat ion算 法等
一、预备知识（9） 8、 学习律 这种方法是用已知例子作为教师对网络的 权进行学习。其规则是通过神经网络理想输出 和实际输出之间的误差来修正网络的权值。在 很多神经网络中，都采用了这种学习方法，如 Perceptron， Adaline和Back-propagation算 法等。
、预备知识（10) 9、有监督的学习 有监督的学习就是根据这若干组训练样本(X:,y:) ，对人工神经网络进行训练，利用学习系统的误差 （E[U],为期望输出与实际输出之差)，不断校正 学习系统的行为（即突触权值)，使误差尽可能地小， 从而估计出神经元函数：f:x一y。 所以，监督学习的最终任务，就是通过使系统误 差尽可能地小，不断地调整突触权值，最终求出神经 元函数f
一、预备知识（10） 9、有监督的学习 有监督的学习就是根据这若干组训练样本 ，对人工神经网络进行训练，利用学习系统的误差 （ E[J] ，为期望输出与实际输出之差），不断校正 学习系统的行为（即突触权值），使误差尽可能地小， 从而估计出神经元函数：f : x—y。 所以，监督学习的最终任务，就是通过使系统误 差尽可能地小，不断地调整突触权值，最终求出神经 元函数f。 (x ,y ) i i
、预备知识（11) 10、监督学习与非监督学习的区别： 在监督学习中，假定我们知道每一输 入对应的期望输出，并利用学习系统的 误差，不断校正系统的行为； 在非监督学习中，我们不知道学习 系统的期望输出
一、预备知识（11） 10、监督学习与非监督学习的区别： 在监督学习中，假定我们知道每一输 入对应的期望输出，并利用学习系统的 误差，不断校正系统的行为； 在非监督学习中，我们不知道学习 系统的期望输出
11、前馈神经网络的结构示意图 特点：各神经元接受前一级输入，并输出 到下一级，无反馈。输入、输出节点称为可见 层，其它中间层称为隐层。 隐层 输入节点 输出 计算单元
11、前馈神经网络的结构示意图 特点：各神经元接受前一级输入，并输出 到下一级，无反馈。输入、输出节点称为可见 层，其它中间层称为隐层。 输出 隐层 输 入 节 点 计算单元
12、监督学习流图 其关键之处，就是将教师信号加入到了网络中. 描述环境状态 环境 的信号 教师 应有 响应 十 学习 实际响应 系统 误差信号
12、监督学习流图 其关键之处，就是将教师信号加入到了网络中. 环境 教师 学习 系统 实际响应 误差信号 应有 响应 描述环境状态 的信号 + -