梯度下降和delta法则

梯度下降 　　利用感知器法则的要求是必须训练样本是线性可分的，当样例不满足这条件时，就不能再收敛，为了克服这个要求，引出了delta法则，它会收敛到目标概念的最佳近似！ delta法则的关键思想是利用梯度下降（gradient descent）来搜索可能的权向量的假设空间，以找到最佳拟合训练样例的权向量。 　　简单的理解，就是训练一个无阈值的感知器，也就是一个线性单元。它的输出o如下：   　　　

>>阅读原文<<