Как обучить однослойный персептрон?

Question

[wickedwannabe]

Приветствую. Имеется массив нулей и единиц представляющий бинарное изображение. На нем могут быть изображены геометрические фигуры. Пример:

000000000000000
000111111000000
000111111000000
000111111000000
000111111000000
000111111000000
000111111000000
000000000000000

Нужно идентифицировать квадраты и окружности. На данный момент реализована разметка фигур и сбор параметров характеризующих геометрическую фигуру:

• Подсчитаны моменты для рядов и столбцов фигуры. Если этот параметр близок к нулю, фигура симметрична, круг или квадрат.
  
  
• Отношение расстояний между центроидом фигуры и максимально удаленной точкой периметра и минимально удаленной точкой периметра (Если примерно равно 1.41 то это квадрат, если единица то круг)
  
  
• Подсчитана компактность (circularity) Харалика (параметр растет с приближением формы фигуры к окружности, находится в переделах от 7.5 до 9.1 для квадратов и выше для кругов)
  
  

Таким образом, пример входного вектора для нейронов выглядит так: [0.0728022 ; 1.44278 ; 8.98357]
Насколько я понимаю, для обучения этой сети необходимо использовать обучение с учителем, например по методу Видроу-Хоффа
wj(t+1)=wj(t) - a * (yk-dk)* xjk

wj - вес j ого входа.
xj - сигнал на j ом входе.
yk - реальный выход сети для k-го примера.
dk - желаемый (идеальный) выход сети для k-го примера.

Вопрос в том, что мне брать за идеальный выход системы? Задав некие рандомные веса на входах я получаю некую сумму на выходе нейрона, но не могу понять с чем мне ее сравнивать?

Comments

[SpyDeX]

вы же уже этот вопрос задавали на днях

[wickedwannabe]

SpyDeX: Каюсь, похожий вопрос был. Но там суть была в определении метода для классификации, сейчас же я с методом определился (персептрон) и нужна консультация по реализации.

Answer 1

[Сергей]

ну если ответ < 0 то прецептрон отнес поданый вход к одному классу, если > 0 - то к другому.
Вообще интерпретация результатов - это дело субъективное.

Как вариант вы можете взять некую дельта (например 0.5) .. и если результат лежит межу -0.5 < x < 0.5 -- то сказать что перцептрон не определился.

Comments

[Сергей]

Идеальный выход это +1 и -1.

[wickedwannabe]

Сергей: то есть, если я буду в процессе обучения, скармливать сети вектора, скажем, для квадратов и менять веса, пока она не начнет выдавать на выходе скажем, цифру близкую к единице значит процесс обучения идет правильно?

[Сергей]

Для каждого вектора у вас должен быть заготовлен правильный ответ, на котором перцептрон будет обучатся. Ваш вопрос: когда останавливать обучение ?