Гипотеза ковариации. Вектор входных образов. Матрица средних значений для вектора входных данных. Среднее значение для первого нейрона

Гипотеза ковариации

X=[-1 -1; 1 -1; -1 1; 1 1; 1 1; 1 1];      % вектор входных образов

Y=[-1;-1;-1;1;1; 1];             % вектор выходных данных                 

koeff=0.75;

W1=zeros(6,1);                % создаем нулевую матрицу размерности 6*1

W2=zeros(6,1);                % 6 строк и один столбец    

Sres=zeros(6,1);              % матрица для хранения результатов работы сети             

Xsr=mean(X);            %матрица средних значений для вектора входных данных  

% 0.3333    0.3333                    

Ysr=mean(Y);           %матрица средних значений для вектора выходных данных

% Ysr =0

Xsr1=Xsr(1);           % среднее значение для первого нейрона    

Xsr2=Xsr(2);          % среднее значение для второго нейрона

A=X(:,1)-Xsr1;  %

B=X(:,2)-Xsr(2);

F=Y(:)-Ysr;

C1=A.*F;                   % выполняем поэлементное умножение матриц

D1=B.*F;

for i=1:length(X)-1        %рассчитаем вес W1 для первого нейрона

if i==1

W1(i)=C1(i);

end

i=i+1;

W1(i)=W1(i-1)+koeff*C1(i);

end

disp(W1)

% рассчитаем вес второго нейрона

D=X(:,2);

D1=D.*Y;

for i=1:length(X)-1        %рассчитаем вес W2 для второго нейрона

if i==1

W2(i)=D1(i);

end

i=i+1;

W2(i)=W2(i-1)+koeff*D1(i);

end

disp(W2)

% рассчитаем выход S0 или результат работы сети

for k=1:length(F)-1

if k==1

Sres=-F(k);

end

k=k+1;

Sres(k)=Sres(k-1)-F(k);

end

disp(Sres)