{"id":459629,"date":"2025-05-14T09:23:15","date_gmt":"2025-05-14T09:23:15","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=459629"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=459629","title":{"rendered":"<span>\u0411\u0438\u043d\u0430\u0440\u043d\u0430\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f \u043e\u0434\u043d\u0438\u043c \u043f\u0440\u043e\u0441\u0442\u044b\u043c \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u043c. \u0427\u0430\u0441\u0442\u044c 3<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0412 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0445 \u0447\u0430\u0441\u0442\u044f\u0445 (<a href=\"https:\/\/habr.com\/ru\/articles\/904230\/\" rel=\"noopener noreferrer nofollow\">\u043f\u0435\u0440\u0432\u0430\u044f<\/a>, <a href=\"https:\/\/habr.com\/ru\/articles\/907238\/\" rel=\"noopener noreferrer nofollow\">\u0432\u0442\u043e\u0440\u0430\u044f<\/a>) \u043e\u043f\u0438\u0441\u0430\u043d \u043c\u043e\u0439 \u043e\u043f\u044b\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u043d\u0435\u0439\u0440\u043e\u043d\u0430 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0438 \u0440\u0430\u0437\u043c\u044b\u0448\u043b\u0435\u043d\u0438\u044f \u043e\u0431 \u044d\u0442\u043e\u043c. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u044f \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u044e \u0440\u0430\u0437\u043c\u044b\u0448\u043b\u0435\u043d\u0438\u044f \u0438 \u0432\u043d\u043e\u0448\u0443 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u043a\u0438 \u0432 \u043a\u043e\u0434.<\/p>\n<p> \u0412 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u043c\u043d\u0435 \u043d\u0435 \u043d\u0440\u0430\u0432\u0438\u0442\u0441\u044f, \u0447\u0442\u043e \u0432 \u043f\u0440\u043e\u0446\u0435\u0434\u0443\u0440\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0435\u0441\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f if. \u041e\u043d \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430 \u0432\u044b\u0432\u043e\u0434 \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0441 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430 (if not compare(x,y):), \u0438 \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043d\u0435 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u0430. \u041c\u043d\u0435 \u0445\u043e\u0447\u0435\u0442\u0441\u044f &#171;\u0431\u043e\u043b\u0435\u0435 \u0447\u0438\u0441\u0442\u043e\u0439&#187; \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438 \u0438 \u043d\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u044b \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f, \u0435\u0441\u043b\u0438 \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u0436\u043d\u043e \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c.. <\/p>\n<h2>\u0423\u0431\u0438\u0440\u0430\u0435\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0432 \u0444\u043e\u0440\u043c\u0443\u043b\u0435 \u0440\u0430\u0441\u0447\u0435\u0442\u0430 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u0438<\/h2>\n<p>\u0412 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u043e\u0432 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u043c\u043e\u0436\u043d\u043e \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043b\u0435\u0433\u043a\u043e.<br \/>\u041a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u0430 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043f\u043e \u0444\u043e\u0440\u043c\u0443\u043b\u0435: w[index] =w[index] + y*lmd*x[index], \u0433\u0434\u0435 y &#8212; \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0435\u0433\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u0430. \u0415\u0441\u043b\u0438 \u0437\u0430\u043c\u0435\u043d\u0438\u0442\u044c y \u043d\u0430 \u043d\u0430 \u0440\u0430\u0437\u043d\u0438\u0446\u0443 \u043c\u0435\u0436\u0434\u0443 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430 \u0438 \u0432\u044b\u0432\u043e\u0434\u043e\u043c (y &#8212; onestep(neuron.output(x)) \u0438 \u0443\u0431\u0440\u0430\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f, \u0442\u043e \u044d\u0442\u043e \u0438 \u0431\u0443\u0434\u0435\u0442 \u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c.<\/p>\n<p>\u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u0442\u0430\u043a.<br \/>\u041c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 (y) \u0440\u0430\u0432\u043d\u0430 \u0438\u043b\u0438 +1 \u0438\u043b\u0438 -1. \u0410 \u0432\u044b\u0432\u043e\u0434 \u0440\u0430\u0432\u0435\u043d \u0442\u0430\u043a\u0436\u0435 \u0438\u043b\u0438 +1 \u0438\u043b\u0438 -1. \u0421\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u043c\u0435\u0436\u0434\u0443 \u0432\u044b\u0432\u043e\u0434\u043e\u043c \u0438 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430 \u0440\u0430\u0432\u043d\u0430 \u043d\u0443\u043b\u044e. \u0410 \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043d\u0435 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 (y &#8212; onestep(neuron.output(x)) \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0432\u043d\u0430 \u0438\u043b\u0438 +2 \u0438\u043b\u0438 -2. \u041f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f, \u0447\u0442\u043e \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0434\u0435\u043b\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438, \u043d\u043e \u043f\u0440\u0438 \u0440\u0430\u0432\u0435\u043d\u0441\u0442\u0432\u0435 \u0432\u044b\u0432\u043e\u0434\u0430 \u0438 \u043c\u0435\u0442\u043a\u0438 \u043a\u043b\u0430\u0441\u0441\u0430 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0440\u0430\u0432\u043d\u0430 \u043d\u0443\u043b\u044e, \u0447\u0442\u043e \u0440\u0430\u0432\u043d\u043e\u0441\u0438\u043b\u044c\u043d\u043e \u0442\u043e\u043c\u0443, \u043a\u0430\u043a \u0435\u0441\u043b\u0438 \u0431\u044b \u043e\u043d\u0430 \u043d\u0435 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u043b\u0430, \u043a\u0430\u043a \u0438 \u0432 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438. \u0414\u0430\u043b\u0435\u0435 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0434\u043e\u043c\u043d\u043e\u0436\u0438\u0442\u044c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u0438 \u043d\u0430 1\/2, \u0447\u0442\u043e\u0431\u044b \u0432\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a 1 \u0438 \u043a \u043f\u0440\u043e\u0448\u043b\u044b\u043c \u0444\u043e\u0440\u043c\u0430\u0442\u0430\u043c, \u0438 \u0443\u0447\u0435\u0441\u0442\u044c \u044d\u0442\u043e \u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u0435 lmd, \u043b\u0438\u0431\u043e \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c lmd \u043a\u0430\u043a \u0438 \u0431\u044b\u043b\u043e, \u0442\u0430\u043a \u043a\u0430\u043a \u0443\u043c\u0435\u043d\u044c\u0448\u0435\u043d\u0438\u0435 lmd \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0444\u043e\u0440\u043c\u0443\u043b &#8212; lmd \u0442\u0430\u043a \u0438 \u0442\u0430\u043a \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c \u043f\u043e\u0434\u0431\u043e\u0440\u0430.<br \/>\u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u0443\u0431\u0438\u0440\u0430\u0435\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0438 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u043e\u0432 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438:<\/p>\n<pre><code class=\"python\">error = y - onestep(neuron.output(x)) w[index] = w[index] + error*lmd*x[index] <\/code><\/pre>\n<p> \u0418\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u0447\u0442\u043e \u0442\u0430\u043a\u0438\u043c \u0445\u043e\u0434\u043e\u043c \u043c\u044b \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u043c \u043a \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u043d\u043e\u0439 \u0444\u043e\u0440\u043c\u0443\u043b\u0435, \u0447\u0430\u0441\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u043c\u043e\u0439 &#171;\u0434\u0435\u043b\u044c\u0442\u0430-\u043f\u0440\u0430\u0432\u0438\u043b\u043e&#187;.<\/p>\n<h2>\u0423\u0431\u0438\u0440\u0430\u0435\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0432 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430<\/h2>\n<p>\u041d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043e\u0442\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e \u044d\u0442\u043e\u0442 \u0436\u0435 \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0435\u0441\u0442\u044c \u0432 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430.<br \/>\u041a\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0432 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\"># \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. \u0421\u0447\u0438\u0442\u0430\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0441 \u043e\u0448\u0438\u0438\u0431\u043a\u043e\u0439. def Q():   return sum([1 for index, x in enumerate(x_train) if not compare(x,y_train[index])])<\/code><\/pre>\n<p>\u0417\u0434\u0435\u0441\u044c \u0442\u043e\u0436\u0435 \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f, \u0438 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c \u043f\u043e\u0445\u043e\u0436\u0438\u0439 \u0441\u043f\u043e\u0441\u043e\u0431.<br \/>\u0411\u0443\u0434\u0435\u043c \u0441\u0443\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0435 1 \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435\u0441\u043e\u0432\u043f\u0430\u0434\u0435\u043d\u0438\u044f \u0432\u044b\u0432\u043e\u0434\u0430 \u0441 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430, \u0430 \u043d\u0435\u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u044b \u0440\u0430\u0437\u043d\u0438\u0446\u044b, \u0434\u0430 \u0435\u0449\u0435 \u0432\u043e\u0437\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0435 \u0432 \u043a\u0432\u0430\u0434\u0440\u0430\u0442 \u0434\u043b\u044f \u0443\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0432\u043b\u0438\u044f\u043d\u0438\u044f \u0437\u043d\u0430\u043a\u0430.<br \/>\u0421\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u0440\u0430\u0432\u043d\u0430 \u043d\u0443\u043b\u044e, \u0438 \u043a \u0438\u0442\u043e\u0433\u043e\u0432\u043e\u0439 \u0441\u0443\u043c\u043c\u0435 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u043f\u0440\u0438\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0441\u044f. \u0415\u0441\u043b\u0438 \u0436\u0435 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043d\u0435 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u0440\u0430\u0432\u043d\u0430 \u0438\u043b\u0438 +2 \u0438\u043b\u0438 -2, \u0438 \u043a \u043e\u0431\u0449\u0435\u0439 \u0441\u0443\u043c\u043c\u0435 \u043f\u0440\u0438\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0441\u044f 4. <\/p>\n<p>\u041d\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043a\u0438\u043c:<\/p>\n<pre><code class=\"python\"># \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. \u0421\u0447\u0438\u0442\u0430\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0441 \u043e\u0448\u0438\u0438\u0431\u043a\u043e\u0439. def Q():   return sum ([((y_train[index] - onestep(neuron.output(x)))**2) for index, x in enumerate(x_train) ])<\/code><\/pre>\n<p>\u0415\u0441\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0438\u0442\u043e\u0433\u043e\u0432\u043e\u0439 \u0441\u0443\u043c\u043c\u044b \u043d\u0430 4, \u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0448\u0438\u0431\u043e\u0447\u043d\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u043c\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432. \u041d\u043e \u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e &#8212; \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c sum \u0438\u043b\u0438 sum\/4, \u0442\u0430\u043a \u043a\u0430\u043a \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043f\u0440\u0435\u043a\u0440\u0430\u0449\u0430\u0435\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430  Q() = 0, \u0430 \u0434\u043b\u044f sum \u0438 sum\/4 \u044d\u0442\u043e \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0435\u0442.<\/p>\n<h2>\u0418\u0442\u043e\u0433\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0441 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f\u043c\u0438<\/h2>\n<p>\u0412 \u0438\u0442\u043e\u0433\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043d\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0441 \u0431\u043e\u043b\u0435\u0435 \u0447\u0438\u0441\u0442\u043e\u0439 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u043e\u0439.<\/p>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u0434\u043b\u044f \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\">import numpy as np import matplotlib.pyplot as plt  # \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 x_train = np.array([[10, 50], [20, 30], [25, 30], [20, 60], [15, 70], [40, 40], [30, 45], [20, 45], [40, 30], [7, 35]]) y_train = np.array([-1, 1, 1, -1, -1, 1, 1, -1, 1, -1])  # \u0444\u043e\u0440\u043c\u0438\u0440\u0443\u0435\u043c \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u0430 \u043f\u043e \u043c\u0435\u0442\u043a\u0430\u043c x_0 = x_train[y_train == 1] x_1 = x_train[y_train == -1]  # \u0441\u043e\u0437\u0434\u0430\u0435\u043c \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435 plt.xlim([0, max(x_train[:, 0]) + 10]) plt.ylim([0, max(x_train[:, 1]) + 10]) plt.scatter(x_0[:, 0], x_0[:, 1], color='blue') plt.scatter(x_1[:, 0], x_1[:, 1], color='red')  plt.ylabel(\"\u0434\u043b\u0438\u043d\u0430\") plt.xlabel(\"\u0448\u0438\u0440\u0438\u043d\u0430\") plt.grid(True) plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u043a\u043b\u0430\u0441\u0441\u0430 Neuron \u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0439<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\">class Neuron:   def __init__(self, w):          # \u0414\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u043a\u043b\u0430\u0441\u0441\u0430     self.w = w    def output(self, x):            # \u0421\u0443\u043c\u043c\u0430\u0442\u043e\u0440     return np.dot(self.w, x)      # \u0421\u0443\u043c\u043c\u0438\u0440\u0443\u0435\u043c \u0432\u0445\u043e\u0434\u044b     # \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 - \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0435\u0434\u0438\u043d\u043e\u0433\u043e \u0441\u043a\u0430\u0447\u043a\u0430 def onestep(x):   return 1 if x &gt;= 0 else -1  # \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. def Q():   return sum ([((y_train[index] - onestep(neuron.output(x)))**2 ) for index, x in enumerate(x_train)])  # \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 def add_axis(source_array, value):   this_array = []   for x in source_array: this_array.append(np.append(x, value))   return np.array(this_array)  # \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u0444\u0438\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 (1) x_train = add_axis(x_train, 1)<\/code><\/pre>\n<\/div>\n<\/details>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\">import random  # \u0421\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u0432\u044b\u0431\u043e\u0440 \u0434\u043b\u044f \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 def random_w():   return round((random.random() * 10 - 5),1)  N = 500                             # \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u0447\u0438\u0441\u043b\u043e \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0439 lmd = 0.01                          # \u0448\u0430\u0433 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u0430  w_history = []                      # \u041c\u0430\u0441\u0441\u0438\u0432 \u0434\u043b\u044f \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0438\u0441\u0442\u043e\u0440\u0438\u0438  # \u0418\u043d\u0438\u0446\u0438\u0438\u0440\u0443\u0435\u043c \u0432\u0435\u0441\u0430 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c w = np.array([random_w(), random_w(), random_w()]) w_history.append(np.array(w))       # \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u043a\u0435\u043c \u0438\u0441\u0442\u043e\u0440\u0438\u044e neuron = Neuron(w)  # \u0421\u0447\u0438\u0442\u0430\u0435\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e Q_current = Q()  # \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u043c \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438 for n in range(N):   if Q_current == 0: break    # \u0412\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u043e\u0431\u044a\u0435\u043a\u0442   random_index = random.randint(0,len(x_train)-1)   x = x_train[random_index]   y = y_train[random_index]    # \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u0432\u0435\u0441 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c   index = random.randint(0,len(w)-1)    # \u0412\u043c\u0435\u0441\u0442\u043e \u043c\u0435\u0442\u043a\u0438 \u043a\u043b\u0430\u0441\u0441\u0430  \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f   error = y - onestep(neuron.output(x))                     # \u0441\u0447\u0438\u0442\u0430\u0435\u043c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f (!)   w[index] = round(w[index] + error*lmd*x[index],4)         # \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u0430 \u0441 \u0443\u0447\u0435\u0442\u043e\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u044b \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f (!)   w_history.append(np.array(w))                             # \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u043a\u0435\u043c \u0438\u0441\u0442\u043e\u0440\u0438\u044e   #neuron = Neuron(w)   neuron.w = w    Q_current = Q()   if Q_current == 0: break  print(w) print('Q_current:', Q_current, 'n:', n)<\/code><\/pre>\n<\/div>\n<\/details>\n<p>\u0415\u0441\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043f\u0435\u0447\u0430\u0442\u044c \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432, \u0442\u043e \u043c\u043e\u0436\u043d\u043e \u0432\u0438\u0434\u0435\u0442\u044c \u0438\u0441\u0442\u043e\u0440\u0438\u044e \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u0439 &#8212; \u0432\u0435\u0441\u0430 \u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0448\u0438\u0431\u043e\u0447\u043d\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432.<\/p>\n<p>[-0.1 -3.9 -2.4] 5.0<\/p>\n<p> 0 [-0.1 -3.9 -2.4] 5.0<br \/> 1 [-0.1  -3.9  -2.38] 5.0<br \/> 2 [-0.1  -3.9  -2.38] 5.0<br \/> 3 [ 0.7  -3.9  -2.38] 5.0<br \/> 4 [ 0.7  -3.3  -2.38] 5.0<br \/> 5 [ 0.7  -3.3  -2.38] 5.0<br \/> 6 [ 0.7  -3.3  -2.38] 5.0<br \/> 7 [ 0.7  -3.3  -2.36] 5.0<br \/> 8 [ 0.7  -3.3  -2.36] 5.0<br \/> 9 [ 0.7  -3.3  -2.36] 5.0<br \/> 10 [ 0.7  -3.3  -2.36] 5.0<br \/> 11 [ 0.7  -3.3  -2.34] 5.0<br \/> 12 [ 0.7  -2.4  -2.34] 5.0<br \/> 13 [ 1.5  -2.4  -2.34] 5.0<br \/> 14 [ 1.5  -2.4  -2.34] 5.0<br \/> 15 [ 1.5  -2.4  -2.32] 5.0<br \/> 16 [ 1.5  -2.4  -2.32] 5.0<br \/> 17 [ 2.3  -2.4  -2.32] 4.0<br \/> 18 [ 2.3  -2.4  -2.32] 4.0<br \/> 19 [ 2.3  -2.4  -2.32] 4.0<br \/> 20 [ 2.3  -1.8  -2.32] 2.0<br \/> 21 [ 2.9  -1.8  -2.32] 0.0<\/p>\n<p> [ 2.9  -1.8  -2.32]<br \/> Q_current: 0.0 n: 21<\/p>\n<p>\u0412\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e \u043d\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0435 \u044d\u0442\u043e \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<figure class=\"full-width\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/770\/1e4\/c47\/7701e4c47a1483f7800e43c9230877d4.png\" width=\"571\" height=\"438\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/770\/1e4\/c47\/7701e4c47a1483f7800e43c9230877d4.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/770\/1e4\/c47\/7701e4c47a1483f7800e43c9230877d4.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\"># \u0441\u043e\u0437\u0434\u0430\u0435\u043c \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435  # \u0420\u0438\u0441\u043e\u0432\u0430\u043d\u0438\u0435 \u043b\u0438\u043d\u0438\u0438 def draw_line(x,w,color):   if w[1]:     line_x = [min(x[:, 0]) - 10, max(x[:, 0]) + 10]     line_y = [-w[0]\/w[1]*x - w[2]\/w[1] for x in line_x]     plt.plot(line_x, line_y, color=color)   else:     print('w1 = 0')  plt.xlim([0, max(x_train[:, 0]) + 10]) plt.ylim([0, max(x_train[:, 1]) + 10]) plt.scatter(x_0[:, 0], x_0[:, 1], color='blue') plt.scatter(x_1[:, 0], x_1[:, 1], color='red')  for index, key in enumerate(w_history):   if index:     draw_line(x_train, key, 'yellow')   else:     draw_line(x_train, key, 'grey')  draw_line(x_train, w, 'green')  plt.ylabel(\"\u0434\u043b\u0438\u043d\u0430\") plt.xlabel(\"\u0448\u0438\u0440\u0438\u043d\u0430\") plt.grid(True) plt.show()  if w[1]:   print('y = ' + str(round(-w[0]\/w[1],4)) + 'x + ' + str(round(-w[2]\/w[1],4))) else:   print('x = 0')<\/code><\/pre>\n<\/div>\n<\/details>\n<h2>\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435<\/h2>\n<p>\u0415\u0441\u043b\u0438 \u0437\u0430\u043c\u0435\u0442\u0438\u043b\u0438 \u043a\u0430\u043a\u0438\u0435-\u043b\u0438\u0431\u043e \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 \u0438\u043b\u0438 \u044f\u0432\u043d\u044b\u0435 \u043d\u0435\u0441\u0442\u044b\u043a\u043e\u0432\u043a\u0438 &#8212; \u043f\u043e\u0436\u0430\u043b\u0443\u0439\u0441\u0442\u0430, \u043e\u0442\u043c\u0435\u0442\u044c\u0442\u0435 \u044d\u0442\u043e \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445.  <\/p>\n<figure class=\"full-width\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/c57\/84e\/ca4\/c5784eca4f637cbb8adc92da30112483.png\" width=\"780\" height=\"780\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/c57\/84e\/ca4\/c5784eca4f637cbb8adc92da30112483.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/c57\/84e\/ca4\/c5784eca4f637cbb8adc92da30112483.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/908462\/\"> https:\/\/habr.com\/ru\/articles\/908462\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0412 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0445 \u0447\u0430\u0441\u0442\u044f\u0445 (<a href=\"https:\/\/habr.com\/ru\/articles\/904230\/\" rel=\"noopener noreferrer nofollow\">\u043f\u0435\u0440\u0432\u0430\u044f<\/a>, <a href=\"https:\/\/habr.com\/ru\/articles\/907238\/\" rel=\"noopener noreferrer nofollow\">\u0432\u0442\u043e\u0440\u0430\u044f<\/a>) \u043e\u043f\u0438\u0441\u0430\u043d \u043c\u043e\u0439 \u043e\u043f\u044b\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u043d\u0435\u0439\u0440\u043e\u043d\u0430 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0438 \u0440\u0430\u0437\u043c\u044b\u0448\u043b\u0435\u043d\u0438\u044f \u043e\u0431 \u044d\u0442\u043e\u043c. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u044f \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u044e \u0440\u0430\u0437\u043c\u044b\u0448\u043b\u0435\u043d\u0438\u044f \u0438 \u0432\u043d\u043e\u0448\u0443 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u043a\u0438 \u0432 \u043a\u043e\u0434.<\/p>\n<p> \u0412 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u043c\u043d\u0435 \u043d\u0435 \u043d\u0440\u0430\u0432\u0438\u0442\u0441\u044f, \u0447\u0442\u043e \u0432 \u043f\u0440\u043e\u0446\u0435\u0434\u0443\u0440\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0435\u0441\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f if. \u041e\u043d \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430 \u0432\u044b\u0432\u043e\u0434 \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0441 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430 (if not compare(x,y):), \u0438 \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043d\u0435 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u0430. \u041c\u043d\u0435 \u0445\u043e\u0447\u0435\u0442\u0441\u044f &#171;\u0431\u043e\u043b\u0435\u0435 \u0447\u0438\u0441\u0442\u043e\u0439&#187; \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438 \u0438 \u043d\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u044b \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f, \u0435\u0441\u043b\u0438 \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u0436\u043d\u043e \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c.. <\/p>\n<h2>\u0423\u0431\u0438\u0440\u0430\u0435\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0432 \u0444\u043e\u0440\u043c\u0443\u043b\u0435 \u0440\u0430\u0441\u0447\u0435\u0442\u0430 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u0438<\/h2>\n<p>\u0412 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u043e\u0432 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u043c\u043e\u0436\u043d\u043e \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043b\u0435\u0433\u043a\u043e.<br \/>\u041a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u0430 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043f\u043e \u0444\u043e\u0440\u043c\u0443\u043b\u0435: w[index] =w[index] + y*lmd*x[index], \u0433\u0434\u0435 y &#8212; \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0435\u0433\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u0430. \u0415\u0441\u043b\u0438 \u0437\u0430\u043c\u0435\u043d\u0438\u0442\u044c y \u043d\u0430 \u043d\u0430 \u0440\u0430\u0437\u043d\u0438\u0446\u0443 \u043c\u0435\u0436\u0434\u0443 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430 \u0438 \u0432\u044b\u0432\u043e\u0434\u043e\u043c (y &#8212; onestep(neuron.output(x)) \u0438 \u0443\u0431\u0440\u0430\u0442\u044c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f, \u0442\u043e \u044d\u0442\u043e \u0438 \u0431\u0443\u0434\u0435\u0442 \u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c.<\/p>\n<p>\u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u0442\u0430\u043a.<br \/>\u041c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 (y) \u0440\u0430\u0432\u043d\u0430 \u0438\u043b\u0438 +1 \u0438\u043b\u0438 -1. \u0410 \u0432\u044b\u0432\u043e\u0434 \u0440\u0430\u0432\u0435\u043d \u0442\u0430\u043a\u0436\u0435 \u0438\u043b\u0438 +1 \u0438\u043b\u0438 -1. \u0421\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u043c\u0435\u0436\u0434\u0443 \u0432\u044b\u0432\u043e\u0434\u043e\u043c \u0438 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430 \u0440\u0430\u0432\u043d\u0430 \u043d\u0443\u043b\u044e. \u0410 \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043d\u0435 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 (y &#8212; onestep(neuron.output(x)) \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0432\u043d\u0430 \u0438\u043b\u0438 +2 \u0438\u043b\u0438 -2. \u041f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f, \u0447\u0442\u043e \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0434\u0435\u043b\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438, \u043d\u043e \u043f\u0440\u0438 \u0440\u0430\u0432\u0435\u043d\u0441\u0442\u0432\u0435 \u0432\u044b\u0432\u043e\u0434\u0430 \u0438 \u043c\u0435\u0442\u043a\u0438 \u043a\u043b\u0430\u0441\u0441\u0430 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0440\u0430\u0432\u043d\u0430 \u043d\u0443\u043b\u044e, \u0447\u0442\u043e \u0440\u0430\u0432\u043d\u043e\u0441\u0438\u043b\u044c\u043d\u043e \u0442\u043e\u043c\u0443, \u043a\u0430\u043a \u0435\u0441\u043b\u0438 \u0431\u044b \u043e\u043d\u0430 \u043d\u0435 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u043b\u0430, \u043a\u0430\u043a \u0438 \u0432 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438. \u0414\u0430\u043b\u0435\u0435 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0434\u043e\u043c\u043d\u043e\u0436\u0438\u0442\u044c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u0438 \u043d\u0430 1\/2, \u0447\u0442\u043e\u0431\u044b \u0432\u0435\u0440\u043d\u0443\u0442\u044c\u0441\u044f \u043a 1 \u0438 \u043a \u043f\u0440\u043e\u0448\u043b\u044b\u043c \u0444\u043e\u0440\u043c\u0430\u0442\u0430\u043c, \u0438 \u0443\u0447\u0435\u0441\u0442\u044c \u044d\u0442\u043e \u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u0435 lmd, \u043b\u0438\u0431\u043e \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c lmd \u043a\u0430\u043a \u0438 \u0431\u044b\u043b\u043e, \u0442\u0430\u043a \u043a\u0430\u043a \u0443\u043c\u0435\u043d\u044c\u0448\u0435\u043d\u0438\u0435 lmd \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0444\u043e\u0440\u043c\u0443\u043b &#8212; lmd \u0442\u0430\u043a \u0438 \u0442\u0430\u043a \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c \u043f\u043e\u0434\u0431\u043e\u0440\u0430.<br \/>\u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u0443\u0431\u0438\u0440\u0430\u0435\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0438 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u043e\u0432 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438:<\/p>\n<pre><code class=\"python\">error = y - onestep(neuron.output(x)) w[index] = w[index] + error*lmd*x[index] <\/code><\/pre>\n<p> \u0418\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u0447\u0442\u043e \u0442\u0430\u043a\u0438\u043c \u0445\u043e\u0434\u043e\u043c \u043c\u044b \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u043c \u043a \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u043d\u043e\u0439 \u0444\u043e\u0440\u043c\u0443\u043b\u0435, \u0447\u0430\u0441\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u043c\u043e\u0439 &#171;\u0434\u0435\u043b\u044c\u0442\u0430-\u043f\u0440\u0430\u0432\u0438\u043b\u043e&#187;.<\/p>\n<h2>\u0423\u0431\u0438\u0440\u0430\u0435\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0432 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430<\/h2>\n<p>\u041d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043e\u0442\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e \u044d\u0442\u043e\u0442 \u0436\u0435 \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0435\u0441\u0442\u044c \u0432 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430.<br \/>\u041a\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0432 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\"># \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. \u0421\u0447\u0438\u0442\u0430\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0441 \u043e\u0448\u0438\u0438\u0431\u043a\u043e\u0439. def Q():   return sum([1 for index, x in enumerate(x_train) if not compare(x,y_train[index])])<\/code><\/pre>\n<p>\u0417\u0434\u0435\u0441\u044c \u0442\u043e\u0436\u0435 \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f, \u0438 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c \u043f\u043e\u0445\u043e\u0436\u0438\u0439 \u0441\u043f\u043e\u0441\u043e\u0431.<br \/>\u0411\u0443\u0434\u0435\u043c \u0441\u0443\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0435 1 \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435\u0441\u043e\u0432\u043f\u0430\u0434\u0435\u043d\u0438\u044f \u0432\u044b\u0432\u043e\u0434\u0430 \u0441 \u043c\u0435\u0442\u043a\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0430, \u0430 \u043d\u0435\u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u044b \u0440\u0430\u0437\u043d\u0438\u0446\u044b, \u0434\u0430 \u0435\u0449\u0435 \u0432\u043e\u0437\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0435 \u0432 \u043a\u0432\u0430\u0434\u0440\u0430\u0442 \u0434\u043b\u044f \u0443\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0432\u043b\u0438\u044f\u043d\u0438\u044f \u0437\u043d\u0430\u043a\u0430.<br \/>\u0421\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0435\u0441\u043b\u0438 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u0440\u0430\u0432\u043d\u0430 \u043d\u0443\u043b\u044e, \u0438 \u043a \u0438\u0442\u043e\u0433\u043e\u0432\u043e\u0439 \u0441\u0443\u043c\u043c\u0435 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u043f\u0440\u0438\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0441\u044f. \u0415\u0441\u043b\u0438 \u0436\u0435 \u0432\u044b\u0432\u043e\u0434 \u0438 \u043c\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043d\u0435 \u0440\u0430\u0432\u043d\u044b, \u0442\u043e \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u0440\u0430\u0432\u043d\u0430 \u0438\u043b\u0438 +2 \u0438\u043b\u0438 -2, \u0438 \u043a \u043e\u0431\u0449\u0435\u0439 \u0441\u0443\u043c\u043c\u0435 \u043f\u0440\u0438\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0441\u044f 4. <\/p>\n<p>\u041d\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043a\u0438\u043c:<\/p>\n<pre><code class=\"python\"># \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. \u0421\u0447\u0438\u0442\u0430\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432 \u0441 \u043e\u0448\u0438\u0438\u0431\u043a\u043e\u0439. def Q():   return sum ([((y_train[index] - onestep(neuron.output(x)))**2) for index, x in enumerate(x_train) ])<\/code><\/pre>\n<p>\u0415\u0441\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0438\u0442\u043e\u0433\u043e\u0432\u043e\u0439 \u0441\u0443\u043c\u043c\u044b \u043d\u0430 4, \u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0448\u0438\u0431\u043e\u0447\u043d\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u043c\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432. \u041d\u043e \u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e &#8212; \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c sum \u0438\u043b\u0438 sum\/4, \u0442\u0430\u043a \u043a\u0430\u043a \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043f\u0440\u0435\u043a\u0440\u0430\u0449\u0430\u0435\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430  Q() = 0, \u0430 \u0434\u043b\u044f sum \u0438 sum\/4 \u044d\u0442\u043e \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0435\u0442.<\/p>\n<h2>\u0418\u0442\u043e\u0433\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0441 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f\u043c\u0438<\/h2>\n<p>\u0412 \u0438\u0442\u043e\u0433\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043d\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0441 \u0431\u043e\u043b\u0435\u0435 \u0447\u0438\u0441\u0442\u043e\u0439 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u043e\u0439.<\/p>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u0434\u043b\u044f \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\">import numpy as np import matplotlib.pyplot as plt  # \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 x_train = np.array([[10, 50], [20, 30], [25, 30], [20, 60], [15, 70], [40, 40], [30, 45], [20, 45], [40, 30], [7, 35]]) y_train = np.array([-1, 1, 1, -1, -1, 1, 1, -1, 1, -1])  # \u0444\u043e\u0440\u043c\u0438\u0440\u0443\u0435\u043c \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u0430 \u043f\u043e \u043c\u0435\u0442\u043a\u0430\u043c x_0 = x_train[y_train == 1] x_1 = x_train[y_train == -1]  # \u0441\u043e\u0437\u0434\u0430\u0435\u043c \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435 plt.xlim([0, max(x_train[:, 0]) + 10]) plt.ylim([0, max(x_train[:, 1]) + 10]) plt.scatter(x_0[:, 0], x_0[:, 1], color='blue') plt.scatter(x_1[:, 0], x_1[:, 1], color='red')  plt.ylabel(\"\u0434\u043b\u0438\u043d\u0430\") plt.xlabel(\"\u0448\u0438\u0440\u0438\u043d\u0430\") plt.grid(True) plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u043a\u043b\u0430\u0441\u0441\u0430 Neuron \u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0439<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\">class Neuron:   def __init__(self, w):          # \u0414\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u043a\u043b\u0430\u0441\u0441\u0430     self.w = w    def output(self, x):            # \u0421\u0443\u043c\u043c\u0430\u0442\u043e\u0440     return np.dot(self.w, x)      # \u0421\u0443\u043c\u043c\u0438\u0440\u0443\u0435\u043c \u0432\u0445\u043e\u0434\u044b     # \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 - \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0435\u0434\u0438\u043d\u043e\u0433\u043e \u0441\u043a\u0430\u0447\u043a\u0430 def onestep(x):   return 1 if x &gt;= 0 else -1  # \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. def Q():   return sum ([((y_train[index] - onestep(neuron.output(x)))**2 ) for index, x in enumerate(x_train)])  # \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 def add_axis(source_array, value):   this_array = []   for x in source_array: this_array.append(np.append(x, value))   return np.array(this_array)  # \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u0444\u0438\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 (1) x_train = add_axis(x_train, 1)<\/code><\/pre>\n<\/div>\n<\/details>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\">import random  # \u0421\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u0432\u044b\u0431\u043e\u0440 \u0434\u043b\u044f \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 def random_w():   return round((random.random() * 10 - 5),1)  N = 500                             # \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u0447\u0438\u0441\u043b\u043e \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0439 lmd = 0.01                          # \u0448\u0430\u0433 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u0430  w_history = []                      # \u041c\u0430\u0441\u0441\u0438\u0432 \u0434\u043b\u044f \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0438\u0441\u0442\u043e\u0440\u0438\u0438  # \u0418\u043d\u0438\u0446\u0438\u0438\u0440\u0443\u0435\u043c \u0432\u0435\u0441\u0430 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c w = np.array([random_w(), random_w(), random_w()]) w_history.append(np.array(w))       # \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u043a\u0435\u043c \u0438\u0441\u0442\u043e\u0440\u0438\u044e neuron = Neuron(w)  # \u0421\u0447\u0438\u0442\u0430\u0435\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e Q_current = Q()  # \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u043c \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438 for n in range(N):   if Q_current == 0: break    # \u0412\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u043e\u0431\u044a\u0435\u043a\u0442   random_index = random.randint(0,len(x_train)-1)   x = x_train[random_index]   y = y_train[random_index]    # \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u0432\u0435\u0441 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c   index = random.randint(0,len(w)-1)    # \u0412\u043c\u0435\u0441\u0442\u043e \u043c\u0435\u0442\u043a\u0438 \u043a\u043b\u0430\u0441\u0441\u0430  \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f   error = y - onestep(neuron.output(x))                     # \u0441\u0447\u0438\u0442\u0430\u0435\u043c \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f (!)   w[index] = round(w[index] + error*lmd*x[index],4)         # \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u0432\u0435\u0441\u0430 \u0441 \u0443\u0447\u0435\u0442\u043e\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u044b \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f (!)   w_history.append(np.array(w))                             # \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u043a\u0435\u043c \u0438\u0441\u0442\u043e\u0440\u0438\u044e   #neuron = Neuron(w)   neuron.w = w    Q_current = Q()   if Q_current == 0: break  print(w) print('Q_current:', Q_current, 'n:', n)<\/code><\/pre>\n<\/div>\n<\/details>\n<p>\u0415\u0441\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043f\u0435\u0447\u0430\u0442\u044c \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432, \u0442\u043e \u043c\u043e\u0436\u043d\u043e \u0432\u0438\u0434\u0435\u0442\u044c \u0438\u0441\u0442\u043e\u0440\u0438\u044e \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u0439 &#8212; \u0432\u0435\u0441\u0430 \u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0448\u0438\u0431\u043e\u0447\u043d\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432.<\/p>\n<p>[-0.1 -3.9 -2.4] 5.0<\/p>\n<p> 0 [-0.1 -3.9 -2.4] 5.0<br \/> 1 [-0.1  -3.9  -2.38] 5.0<br \/> 2 [-0.1  -3.9  -2.38] 5.0<br \/> 3 [ 0.7  -3.9  -2.38] 5.0<br \/> 4 [ 0.7  -3.3  -2.38] 5.0<br \/> 5 [ 0.7  -3.3  -2.38] 5.0<br \/> 6 [ 0.7  -3.3  -2.38] 5.0<br \/> 7 [ 0.7  -3.3  -2.36] 5.0<br \/> 8 [ 0.7  -3.3  -2.36] 5.0<br \/> 9 [ 0.7  -3.3  -2.36] 5.0<br \/> 10 [ 0.7  -3.3  -2.36] 5.0<br \/> 11 [ 0.7  -3.3  -2.34] 5.0<br \/> 12 [ 0.7  -2.4  -2.34] 5.0<br \/> 13 [ 1.5  -2.4  -2.34] 5.0<br \/> 14 [ 1.5  -2.4  -2.34] 5.0<br \/> 15 [ 1.5  -2.4  -2.32] 5.0<br \/> 16 [ 1.5  -2.4  -2.32] 5.0<br \/> 17 [ 2.3  -2.4  -2.32] 4.0<br \/> 18 [ 2.3  -2.4  -2.32] 4.0<br \/> 19 [ 2.3  -2.4  -2.32] 4.0<br \/> 20 [ 2.3  -1.8  -2.32] 2.0<br \/> 21 [ 2.9  -1.8  -2.32] 0.0<\/p>\n<p> [ 2.9  -1.8  -2.32]<br \/> Q_current: 0.0 n: 21<\/p>\n<p>\u0412\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e \u043d\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0435 \u044d\u0442\u043e \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<figure class=\"full-width\"><\/figure>\n<details class=\"spoiler\">\n<summary>\u041a\u043e\u0434 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f<\/summary>\n<div class=\"spoiler__content\">\n<pre><code class=\"python\"># \u0441\u043e\u0437\u0434\u0430\u0435\u043c \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0435  # \u0420\u0438\u0441\u043e\u0432\u0430\u043d\u0438\u0435 \u043b\u0438\u043d\u0438\u0438 def draw_line(x,w,color):   if w[1]:     line_x = [min(x[:, 0]) - 10, max(x[:, 0]) + 10]     line_y = [-w[0]\/w[1]*x - w[2]\/w[1] for x in line_x]     plt.plot(line_x, line_y, color=color)   else:     print('w1 = 0')  plt.xlim([0, max(x_train[:, 0]) + 10]) plt.ylim([0, max(x_train[:, 1]) + 10]) plt.scatter(x_0[:, 0], x_0[:, 1], color='blue') plt.scatter(x_1[:, 0], x_1[:, 1], color='red')  for index, key in enumerate(w_history):   if index:     draw_line(x_train, key, 'yellow')   else:     draw_line(x_train, key, 'grey')  draw_line(x_train, w, 'green')  plt.ylabel(\"\u0434\u043b\u0438\u043d\u0430\") plt.xlabel(\"\u0448\u0438\u0440\u0438\u043d\u0430\") plt.grid(True) plt.show()  if w[1]:   print('y = ' + str(round(-w[0]\/w[1],4)) + 'x + ' + str(round(-w[2]\/w[1],4))) else:   print('x = 0')<\/code><\/pre>\n<\/div>\n<\/details>\n<h2>\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435<\/h2>\n<p>\u0415\u0441\u043b\u0438 \u0437\u0430\u043c\u0435\u0442\u0438\u043b\u0438 \u043a\u0430\u043a\u0438\u0435-\u043b\u0438\u0431\u043e \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 \u0438\u043b\u0438 \u044f\u0432\u043d\u044b\u0435 \u043d\u0435\u0441\u0442\u044b\u043a\u043e\u0432\u043a\u0438 &#8212; \u043f\u043e\u0436\u0430\u043b\u0443\u0439\u0441\u0442\u0430, \u043e\u0442\u043c\u0435\u0442\u044c\u0442\u0435 \u044d\u0442\u043e \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445.  <\/p>\n<figure class=\"full-width\"><\/figure>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/908462\/\"> https:\/\/habr.com\/ru\/articles\/908462\/<\/a><br \/><\/br><\/br><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-459629","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/459629","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=459629"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/459629\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=459629"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=459629"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=459629"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}