次に、3種類のアヤメから4種類の特徴を計測した Fisher のアヤメのデータに対す る識別問題の学習を試みた。ここでも中間層が1層のネットワークを用いた。入力層・ 中間層・出力層のニューロンの数は4、2、3個とした。なお、入力特徴は、各特徴 ごとに平均 、分散 に正規化した。初期パラメータは、XOR 問題の場合と同 様に、 の間の一様乱数により設定し、全ての学習法に対して同じも のを用いた。
また、BP 法と SD 法でのパターンの提示の順番はランダムとし、BP 法および SD 法 の学習率は、 とした。
図4.5 (a) および (b) に、学習の様子を示す。ここでも、SD 法は BP 法よりも速く収束している。また、FS 法および UFS 法では、数回の繰り返し で収束している。