/// <summary>
/// Рассчёт обратного распространения ошибки в случае, если слой - последний
/// </summary>
/// <param name="learnSpeed">коэффициент скорости обучения</param>
/// <param name="alfa">инерционный момент</param>
/// <param name="targetVector">ожидаемый векор выходных значений</param>
/// <param name="input">вектор входных сигналов из предыдущего слоя</param>
/// <param name="isNewEpoch">новая эпоха обучения?</param>
public void SolveBackPropagationLastLayer(double learnSpeed, double alfa, double[] targetVector, double[] inputWithoutBias, bool isNewEpoch)
{
double[] input = InputWithBias(inputWithoutBias);
double[,] deltaWThisEra = new double[neuronsCount, inputCount]; // дельты новой эпохи
for (int i = 0; i < neuronsCount; i++) // нейрон
{
localGrad[i] = (targetVector[i] - OUT[i]) * activationFunc.SolveDerivative(localField[i]);
for (int j = 0; j < inputCount; j++) // дендриты i-го нейрона
{
deltaWThisEra[i, j] = alfa * deltaW[i, j] + learnSpeed * localGrad[i] * input[j]; //
weights[i, j] += deltaWThisEra[i, j];
}
}
if (isNewEpoch)
{
deltaW = deltaWThisEra;
}
}
