... Teda2.1
Pozor tu ide o $\Delta w$ a nie $w$ !!! 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...Cronekerovo-delta2.2
${\bf \delta}_{ij}~=~\left\{ \matrix{ 1 & pre~i~=~j \cr 0 & ak ~i~\neq j \cr } \right. $ 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... tvare2.3
Pozor na rozdiel medzi indexovou funkciou ${\bf \delta}_{ij}$ a chybovym signálom $\delta_{r}$ 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... stability2.4
$y_{i}^{*}(t)$ je odvodený od $x_{i}^{*}(t)$ cez vzťah (2.54) 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... ART)3.1
V NN literatúre sa nazývajú aj Cluster discovery networks 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... adaptívna3.2
plastická 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... prístup4.1
Podobnú tématiku sa zaoberali Szymanski a Lemmon z informačno-teoretického hľadiska. 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... klasifikácie.4.2
Pri programovej realizácii tohto algoritmu sa výpočet aposteriórnej pravdepodobnosti expertného modulu nepočíta ako súčin hodnôt výstupných neurónov umocnených na požadovanú hodnotu. Experimenty ukázali, že je výhodnejšie použiť ich priemernú hodnotu. 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... pokute5.1
typ úlohy sa tiež nazýva - credit assigment problem 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... ASE5.2
pridružená pre hľadanie optimálneho parametra riadenia 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... ACE5.3
zhodnocovacia subsieť, ktorá vyhodnocuje výstup zo systému 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...$\hat r$5.4
Niekedy sa taktiež nazýva tzv. heuristický reinforcement signál 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... zľavy5.5
discount rate parameter 
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

CIG Homepage (E-mail us!)