LMS

  1,、设置变量和参量： 　　X(n)为输入向量，或称为训练样本 　　W(n)为权值向量 　　e(n)为偏差 　　d(n)为期望输出 　　y(n)为实际输出 　　η为学习速率 　　n为迭代次数 　　2、初始化，赋给w(0)各一个较小的随机非零值，令n=0 　　3、对于一组输入样本x(n)和对应的期望输出d，计算 　　e(n)=d(n)-X^T(n)W(n) 　　W(n+1)=W(n)+ηX(n)e(n) 　　4、判断是否满足条件，若满足算法结束，若否n增加1，转入第3步继续执行(, set the variables and parameters: X (n) is the input vector, otherwise known as the training sample W (n) for the weight vector e (n) for the deviation d (n) is the desired output y (n) is the actual output η is the learning rate n is the number of iterations)