神经网络学习(二)——自适应线性神经网络

自适应线性神经网络(Adaline)和感知器的区别： 1.自适应线性神经网络的激活函数不再采用步调函数，而是直接将样本运算的结果（点乘）与实际结果相比较。(白话版：自适应线性神经网络的激活函数，是一个线性函数) 2.自适应线性神经网络提出了代价函数的概念，并对其做了最小优化。基于Adaline规则的权重更新是通过一个连续的线性激活函数(本例子中采用)来完成，而感知器采用的单位阶跃函数。 相关概念：

>>阅读原文<<