相关疑难解决方法(0)

我无法理解感知器的重量更新规则:

w(t + 1)= w(t)+ y(t)x(t).

假设我们有一个线性可分的数据集.

• w是一组权重[w0,w1,w2,...],其中w0是偏差.
• x是一组输入参数[x0,x1,x2,...],其中x0固定为1以适应偏差.

在迭代t,其中t = 0,1,2,...,

• w(t)是迭代t的权重集.
• x(t)是错误分类的训练示例.
• y(t)是x(t)的目标输出(-1或1).

为什么此更新规则会在正确的方向上移动边界？