ADALINE (Adaptive Linear Neuron или более поздний Adaptive Linear Element) — ранняя однослойная искусственная нейронная сеть и название физического устройства, на котором эта сеть реализована.В сети используются мемисторы. Был разработан в Стэнфордском университете в 1960 году. Он основан на нейроне Маккаллоха-Питтса. Он состоит из веса, смещения и функции суммирования.
=========================
И Adaline, и Персептрон являются (однослойными) моделями нейронных сетей. Персептрон — один из старейших и простейших алгоритмов обучения, и можно назвать Adaline улучшением по сравнению с персептроном.
=========================
Что общего у Adaline и Персептрона
они являются классификаторами для бинарной классификации
оба имеют линейную границу решения
оба могут учиться итеративно, образец за образцом.
Персептрон естественным образом и Adaline с помощью стохастического градиентного спуска,оба используют пороговую функцию
Затем в Perceptron и Adaline мы определяем пороговую функцию, чтобы сделать прогноз. То есть, если z больше порогового значения тета, мы предсказываем класс 1 и 0 в противном случае:
=========================
Разница между Adaline и стандартным персептроном (McCulloch-Pitts) заключается в том, что на этапе обучения веса корректируются в соответствии с взвешенной суммой входных данных (сети). В стандартном персептроне сеть передается в функцию активации, а выход функции используется для настройки веса.
Персептрон использует метки классов для изучения коэффициентов модели.
Adaline использует непрерывные прогнозируемые значения (из чистого ввода) для изучения коэффициентов модели, что является более «мощным», поскольку сообщает нам, «насколько» мы были правы или ошибались.
Итак, в персептроне, как показано ниже, используются предсказанные метки классов для обновления весов, а в Adaline используется непрерывный ответ:
Полный ответ откорректирован и собран из различных источников WWW в меру моего понимания вопроса.