algorithm - 機械学習におけるパーセプトロン アルゴリズムの重みベクトル

Question

機械学習におけるパーセプトロンのアルゴリズムについて研究しています。これまでパーセプトロンについて以下のことを理解していました。

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.

しかし、パーセプトロンが収束しないと重みベクトルがどうなるか理解できませんでした。
アルゴリズムは重みベクトルを更新し続けますか?

Answer 1

プリセプトロンは、クラスが線形分離可能である場合にのみ収束できます。これが真の場合、アルゴリズムは解に収束しますが、解の品質については保証されません。プリセプトロンの超平面は、特定の目的を最小化するものではなく、固有の解もありません。2 つのクラスを分離する線は、パーセプトロンに対して等しく有効です。

これが真でない場合、パーセプトロンは決して最終解に収束しません。適度な範囲で跳ね返るかもしれませんが、それは保証されていません。何らかの停止条件を強制するまで、単純に重みを更新し続けます (最も一般的なのは、データを通過するパスの最大数です)。