where transpose vector of x; vector

where transpose vector of x; vector representing the principal direction of discrimination. And the representation of x seeing only one principal component is The error of representation x1 is such that The vector x1 represents the information of x not projected in the direction of w1 : The breakdown of vector x in m components can be expressed as where 1 is the residual error vector [23] for representation using m principal components.
The first component of nonlinear discrimination may be obtained training a network of three layers in error backpropagation as shown in Fig. 2. The first layer is made up of only one neuron of the linear type and the
remainder of the neurons of the hyperbolic tangent type. The adjustment of the synaptic vectors of the three layers is done by the descending gradient method using the mean square error function as the objective function [20,21]. After training, the vector w1 represents the principal direction of nonlinear discrimination of the pattern classes studied. A special case of development of the remaining components is to make them orthogonal, that is to say, w1 ’ w2 ’ w3 ’ • • • ’ wm : And so retraining of the net-work after obtaining w1 in the same way is done but the new input used will be x1 ; obtained from Eq. (5), and proceeding successively until the component m (normally m , n). Here these are classed as the principal components of indepen-dent action, since each component works with the noise xj of information not used by the previous ones:

ผลลัพธ์ (ไทย) 2:

ที่ไขว้เวกเตอร์ของ x; เวกเตอร์ที่เป็นตัวแทนของทิศทางหลักของการเลือกปฏิบัติ และการเป็นตัวแทนของ x เห็นเพียงหนึ่งองค์ประกอบหลักเป็นข้อผิดพลาดของการเป็นตัวแทน x1 เป็นเช่นนั้น x1 เวกเตอร์แสดงให้เห็นถึงข้อมูลของ x ไม่คาดการณ์ไปในทิศทางของ w1: รายละเอียดของเวกเตอร์ x ในส่วนประกอบเมตรสามารถแสดงเป็นที่ 1 เวกเตอร์ข้อผิดพลาดที่เหลือ [23] สำหรับการแสดงโดยใช้องค์ประกอบหลักม.
ส่วนประกอบสายแรกของการเลือกปฏิบัติไม่เป็นเชิงเส้นอาจจะได้รับการฝึกอบรมเครือข่ายสามชั้นในแพร่กระจายย้อนกลับข้อผิดพลาดดังแสดงในรูป 2. ชั้นสายแรกที่ถูกสร้างขึ้นเพียงหนึ่งเซลล์ประสาทชนิดเชิงเส้นและ
ที่เหลือของเซลล์ประสาทชนิดที่สัมผัสกันเกินความจริง การปรับตัวของเวกเตอร์ synaptic ของสามชั้นจะทำโดยวิธีการไล่ระดับลงไปมากโดยใช้ฟังก์ชั่นหมายถึงความผิดพลาดของตารางเป็นฟังก์ชันวัตถุประสงค์ [20,21] หลังจากการฝึกอบรม, w1 เวกเตอร์หมายถึงทิศทางหลักของการเลือกปฏิบัติที่ไม่เป็นเชิงเส้นของรูปแบบการเรียนการศึกษา กรณีพิเศษของการพัฒนาชิ้นส่วนที่เหลือคือการทำให้พวกเขามุมฉากที่จะพูดว่า w1 'w2' w3 '•••' WM: และเพื่อให้การฝึกอบรมของงานสุทธิหลังจากได้รับ w1 ในทางเดียวกันที่จะทำ แต่ การป้อนข้อมูลใหม่ที่ใช้จะเป็น x1; ที่ได้จากสมการ (5) และดำเนินการอย่างต่อเนื่องจนกว่าจะมีองค์ประกอบเมตร (ปกติ M, N) นี่เหล่านี้จัดว่าเป็นองค์ประกอบหลักของการดำเนินการ INDEPEN บุ๋มเนื่องจากแต่ละองค์ประกอบทำงานร่วมกับ XJ เสียงของข้อมูลที่ไม่ได้ใช้โดยคนก่อนหน้านี้:

ผลลัพธ์ (ไทย) 3:

ที่ไขว้เวกเตอร์ของเวกเตอร์ x ; แสดงทิศทางหลักของการเลือกปฏิบัติ และการเป็นตัวแทนของ X เห็นเพียงหนึ่งองค์ประกอบหลักคือความผิดพลาดของการเป็นตัวแทน X1 ซึ่งเป็นข้อมูลเวกเตอร์ x1 X ไม่ได้คาดการณ์ในทิศทางของ W1 :รายละเอียดของเวกเตอร์ x M ส่วนประกอบที่สามารถแสดงเป็น ที่ 1 คือ ตกค้างที่เวกเตอร์ [ 23 ] แทนการใช้ส่วนประกอบหลัก M .
จึง RST ส่วนประกอบของการแบ่งแยกเส้นอาจจะได้รับการฝึกอบรมเครือข่ายสามชั้นในความผิดพลาดแบบดังแสดงในรูปที่ 2 . จึงตัดสินใจเดินทางชั้นถูกสร้างขึ้นจากเพียงหนึ่ง เซลล์ประสาทชนิดเชิงเส้นและ
ส่วนที่เหลือของเซลล์ประสาทชนิด hyperbolic tangent . การปรับตัวของเวกเตอร์การทำงานของชั้นที่สามจะกระทำโดยลดหลั่นไล่ระดับความคลาดเคลื่อนกำลังสองเฉลี่ยโดยใช้ฟังก์ชันเป็นฟังก์ชันวัตถุประสงค์ [ 20,21 ] หลังจากการฝึกอบรมเวกเตอร์ W1 เป็นทิศทางหลักของการไม่เชิงเส้นของรูปแบบการเรียนการศึกษาเป็นกรณีพิเศษของการพัฒนาของคอมโพเนนต์ที่เหลืออยู่เพื่อให้พวกเขาวิธีที่จะพูด ' ' W1 W2 W3 ' - - ' - WM แล้วการฝึกอบรมของงานสุทธิหลังจากได้รับการทดลองในลักษณะเดียวกัน คือทำแต่ใหม่ป้อนข้อมูลที่ใช้จะเป็น x1 ; ได้รับจากอีคิว ( 5 ) และการดําเนินการอย่างต่อเนื่องจนชิ้นส่วน M ( ปกติ M , N )ที่นี่มี classed เป็นส่วนประกอบหลักของ indepen เดนท์แอ็ค เพราะชิ้นส่วนแต่ละชิ้นใช้ได้กับเสียงของข้อมูลที่ไม่ใช้ XJ เดิม


: