感知器训练算法-----连续多输出

用公式wij=wij+α（yj-oj）xi取代了离散输出中是否是错误（若实际输出与期望输出不同，则为错误）的判断

yj与oj之间的差别对wij的影响由α（yj-oj）xi表现出来，不管是否错误都进行修正，只是在正确的时候，修正要加减的数为0

好处：不仅使得算法的控制在结构上更容易理解，而且还使得它的适应面更宽

1．用适当的小伪随机数初始化权矩阵W；

2.初置精度控制参数ε，学习率α，精度控制变量d=ε+1；

3．Whiled≥εdo

3.1d=0；

3.2for每个样本（X，Y）do

3.2.1输入X（=(x1，x2，…，xn)）；

3.2.2求O=F（XW）；

3.2.3修改权矩阵W：

for i=1 to n，j= 1 to m do

wij=wij+α(yj-oj)xi；

3.2.4累积误差

forj=1tomdo

d=d+(yj-oj)*(yj-oj)

程序实现:ε、α、d、i、j、n、m为简单变量来表示，W为n行m列的二维数组。样本集二维数组

感知器的局限性

由于感知器的激活函数采用的是阀值函数，输出矢量只能取0或1，所以只能用它来解决简单的分类问题；

感知器仅能够线性地将输入矢量进行分类。

感知器还有另外一个问题，当输入矢量中有一个数比其他数都大或小得很多时，可能导致较慢的收敛速度。