梯度下降和delta法則

梯度下降 　　利用感知器法則的要求是必須訓練樣本是線性可分的，當樣例不滿足這條件時，就不能再收斂，爲了克服這個要求，引出了delta法則，它會收斂到目標概念的最佳近似！ delta法則的關鍵思想是利用梯度下降（gradient descent）來搜索可能的權向量的假設空間，以找到最佳擬合訓練樣例的權向量。 　　簡單的理解，就是訓練一個無閾值的感知器，也就是一個線性單元。它的輸出o如下：   　　　

>>阅读原文<<