Bài viết này phát triển một luật học mới được áp dụng cho việc tính toán toàn bộ các trọng số của mạng nơ ron tế bào bậc hai (SOCNNs) dựa trên phương pháp học Perceptron hồi quy (RPLA). Bằng việc tích hợp các tín hiệu đầu vào, đầu ra bậc nhất và bậc hai thành một tín hiệu đầu vào tổng quát, nhóm nghiên cứu đã biến đổi SOCNNS thành cấu trúc tương đương với mạng Perceptron truyền thống. | Vol 3 3 2022 Measurement Control and Automation Website https ISSN 1859-0551 Phát triển thuật toán Perceptron hồi quy cho mạng nơ ron tế bào bậc hai Development of Recurrent Perceptron Learning Algorithm for Second-Order Cellular Neural Networks Duong Duc Anh1 Nguyen Quang Hoan2 Nguyen Tai Tuyen2 Lai Thi Van Quyen1 Hoang Tuan Dat1 1 Viện Nghiên cứu Điện tử Tin học Tự động hóa 2 Học viện Bưu chính Viễn thông Corresponding author E-mail ddatdh1@ Abstract This paper develops a new learning rule to be applied to the calculation of all weights of Second- Order Cellular Neural Networks SOCNNs based on the Recurrent Perceptron Learning Algorithms RPLA . By integrating not only the First-order input and output signals but also the Second-order input and output signals into a general input signal the research team transformed the networks of SOCNNs into an equivalent structure with the traditional Perceptron Networks. From there the parameters of SOCNNs can be determined by the supervised learning method. The paper also simulates SOCNNs on MATLAB to check the correctness and efficiency of the proposed algorithm. Keywords MATLAB Recurrent Perceptron Learning Algorithm Second Order Cellular Neural Networks Templates Weights NNs Neural Networks Ký hiệu RPLA Recurrent Perceptron Learning Algorithm SOCNNs Second Order Cellular Neural Networks Ký hiệu Mô tả SORPLA Second Order Recurrent Perceptron A1 B1 A2 B2 I Ma trận trọng số đầu vào phản Learning Algorithm hồi bậc nhất đầu vào đầu ra CNNs Cellular Neural Networks Cellular Non- phản hồi bậc 2 tương ứng liner Networks uij ukl umn Tín hiệu đầu vào của tế bào thứ RPLA Recurrent Perceptron Learning Algorithm k l i j m n tương ứng SOCNNs Second Order Cellular Neural Networks xij t xkl t xmn t Tín hiệu trạng thái của tế bào thứ SORPLA Second Order Recurrent Perceptron k l i j m n tương ứng Learning Algorithm yij t ykl t ymn t Tín hiệu đầu ra của tế bào thứ k l i j m n tương ứng Tóm tắt i j k l m n Biến xác .
