電腦學會如何學習了嗎？——類神經網路學習分類
類神經網路如何自動調整權重？
誤差與學習演算法 學習分類昆蟲資料 激勵函數與學習演算法
激勵函數與學習演算法
在本章節中，我們將類神經網路套用不同的激勵函數，
並且利用誤差去計算類神經網路應該如何調整權重，
再次嘗試操作看看吧，讓你更加熟悉下方這個式子所代表的意義。
wnew = wi + 𝛼 * xi * Error
(
試著在方格中輸入數字，並按下計算)
(重點提醒：雖然可以任意輸入期望輸出，但在使用符號函數的情況下，合理的期望輸出只有+1或-1)
0
0
0
0
(試著在方格中輸入數字，並按下計算)
(重點提醒：雖然可以任意輸入期望輸出，但在使用步階函數的情況下，合理的期望輸出只有+1或0)
0
0
0
0
(試著在方格中輸入數字，並按下計算)
(重點提醒：雖然可以任意輸入期望輸出，但在使用符號函數的情況下，合理的期望輸出應該介在0和1之間)
0
0
0
0
(試著在方格中輸入數字，並按下計算)
(重點提醒：雖然可以任意輸入期望輸出，但在使用斜坡函數的情況下，合理的期望輸出應該只有正數或0)
0
0
0
0
思考一下，回答問題
問題一
假設X = 3·x1 + (-4)·x2 - 2，
並且Y = sign(X)，
當x1 = -2、x2 = 3 ，
並且設定期望輸出為+1，學習率𝛼值為0.2，
請問w1和w2該如何調整？
(提示：誤差 = 期望輸出 - y值)
問題二
假設X = 2·x1 + (-1)·x2 + 3·x3 - 1，
並且Y = step(X)，
當x1 = 7、x2 = 2、x3 = -5 ，
並且設定期望輸出為+1，學習率𝛼值為0.3，
請問w1、w2、w3該如何調整？
(提示：誤差 = 期望輸出 - y值)