實(shí)驗(yàn)一 adline_lms_matlab實(shí)驗(yàn)

1、實(shí)驗(yàn)1Adaline的三種LMS算法一、一、實(shí)驗(yàn)?zāi)康膶?shí)驗(yàn)?zāi)康?通過(guò)實(shí)驗(yàn)了解Adaline的工作原理；2對(duì)比LMS三種算法，并通過(guò)上機(jī)實(shí)驗(yàn)掌握具體的實(shí)現(xiàn)方法；3與采用硬限幅函數(shù)的單個(gè)神經(jīng)元模型進(jìn)行對(duì)比，比較其異同。二、二、實(shí)驗(yàn)原理實(shí)驗(yàn)原理2.1.Adaline原理原理采用硬限幅函數(shù)的單個(gè)神經(jīng)元，通過(guò)簡(jiǎn)單的學(xué)習(xí)算法，可以成功實(shí)現(xiàn)兩類(lèi)線性可分類(lèi)的分類(lèi)功能。但對(duì)于大多數(shù)的非線性可分類(lèi)來(lái)說(shuō)，則無(wú)法完成分類(lèi)功能，因此采用具有線性功能函數(shù)的神經(jīng)元Ad

2、aline方法。設(shè)輸入矢量，如果加權(quán)向量，則神經(jīng)元的X=[12]W=[12]輸出為：I=WXT=XWT=()=WXT=XWT?按照最小二乘法，就是要求所有樣本的實(shí)際輸出值d與理想預(yù)期值y之間的誤差的均方值最小。定義誤差。=?考慮所有可能出現(xiàn)的樣本的均方誤差：E[2]=E[(?)2]=[2]?2其中，是輸入向量相關(guān)矩陣，是輸入向量與期望輸出R≡E[XTX]P=E[]的互相關(guān)向量，通過(guò)求梯度求得最優(yōu)權(quán)向量：W=PR12.2.LMS學(xué)習(xí)問(wèn)題的

3、嚴(yán)格遞推學(xué)習(xí)算法學(xué)習(xí)問(wèn)題的嚴(yán)格遞推學(xué)習(xí)算法1.任意設(shè)置初始加權(quán)矢量；W(0)2.對(duì)于每一個(gè)時(shí)序變量k，按下式調(diào)整權(quán)向量W：W(1)=()2[()()]2.3.LMS學(xué)習(xí)問(wèn)題的隨機(jī)逼近算法學(xué)習(xí)問(wèn)題的隨機(jī)逼近算法將嚴(yán)格遞推公式修正如下形式：W(k1)=W(k)(k)X(k)1)是時(shí)序k的非增函數(shù)；(k)E[2]=0.26173.3.隨機(jī)逼近算法隨機(jī)逼近算法在步幅系數(shù)選擇，在MATLAB中某一次的運(yùn)行結(jié)果如下:=0.01=[0.35670.3