Вес Векторы в Perceptron Алгоритме в машине обучения

Question

Я исследование на персептрона алгоритме в машине learning.Till теперь я понял следующие вещи о персептроне

1)It's a supervised learning technique 
2)It tries to create a hyper plane that linearly separates the class 
    labels ,which is when the perceptron converges 
3)if the predicted output and the obtained output from the algorithm 
    doesnot match it adjusts it's weight vector and bias. 

Однако я couldnot понять, что происходит с весовой вектор, если
персептрон не имеет конвергенции? Выполняет ли алгоритм
обновление вектора веса?

Answer 1

Прецепрон может сходиться только , если и только если классы линейно разделяются. Если это так, то алгоритм будет сходиться к a Решение, оно не гарантирует качество решения в любом случае. Гиперплоскость прецептрона не сводит к минимуму какую-либо конкретную цель и не имеет единственного решения, любая линия, которая разделяет два класса, одинаково применима к персептрону.

Если это неверно, персептрон никогда не сходится к окончательному решению. Это может отразиться на разумной территории, но это не гарантировано - и это может просто улететь в бесполезное место. Он просто будет обновлять свои веса до тех пор, пока вы не нажмете какое-либо условие остановки (наиболее распространенным является максимальное количество проходов через данные).