Постановка задачи

Итак, пусть теперь на том же наборе d-мерных данных

$\{x^\alpha\}$

обучается m линейных нейронов:

$y_i=\sum^d_{j=1}w_{ij}x_j\equiv\sum^d_{j=1}\equiv w_i\cdot x (i=1,\ldots,m).$

Рис. 4.5. Слой линейных нейронов

Мы хотим, чтобы амплитуды выходных нейронов были набором независимых индикаторов, максимально полно отражающих информацию о многомерном входе сети.