* Данный текст распознан в автоматическом режиме, поэтому может содержать ошибки

дольше работает фильтр, тем выше точность его д е й ­ ствия, потому что становится известным все большее число предыдущих значений функции. Обучение данной разомкнутой системы состоит в настройке ее элементов на наиболее точное воспроизведение приведенной выше формулы. ПРИМЕРЫ ОБУЧЕНИЯ ВЕРОЯТНОСТНЫХ КЛАССИФИКАЦИЯ СИГНАЛОВ СИСТЕМ. Допустим, нужно обучить приемник системы частот­ ного телеуправления принимать ряд сигналов, отличаю­ щихся по частоте. Каждому сигналу в приемнике отве­ чает свой резонатор. Обучение разомкнутых систем мало отличается от настройки и сводится к двум операциям: 1) учитель должен сам, наблюдая сигналы, установить вероятное значение частоты каждого из них. Система в этой опе­ рации не участвует (этап определения эталонных зна­ чений признаков входных сигналов); 2) учитель дол­ жен определить вероятные отклонения частоты входных сигналов и в соответствии с этим установить границы зоны чувствительности каждого из резонаторов. Меж­ ду соседними зонами может находиться зона «не знаю,>. На этом этапе учитель использует данные опыта для определения вероятных отклонений частоты сигналов (этап определения зоны чувствительности). Можно усложнить систему, так чтобы сигналы отли­ чались не одним признаком (частотой), а несколькими: X у, ζ и w. Тогда обучение сводится к определению гра­ ниц (гиперповерхностей) такой области в пространстве xyzw, в которой данный сигнал, по мненидо учителя, яв­ ляется достоверным. Разделение с помощью гиперпо­ верхности всего пространства на две области называют i дихотомией- Рассмотрим процесс обучения читающего автомата. Буква .проектируется на экран-сетчатку, и специаль­ ные счетчики подсчитывают число затемненных клеток по главным направлениям. Д л я краткости предположим, что таких направлений выбрано два. Тогда автомат под­ считывает два числа χ и у для каждой буквы. Эти числа можно рассматривать как координаты некоторого век­ тора z=x+Jy. 106