võimatu. Kogu täienes vähehaaval, korra õnestus tal isegi ära osta ühe klassivenna käest suurem kogu. Markide kaudu omandas mingid teadmised geograafiast ja uuemast ajaloost. Pidi saama selgeks, kus käibisid margid kirjaga "Straits settlements" ja millal KeskAmeerikas tekkis praegune kirju riikidekooslus. Tema margikogu tabas sama saatus kui paljusid muid asju: ta andismüüs ema heakskiidul ära. See juhtus siis, kui oli paranemast pärast rasket pimesoolelõikusest see, mida nüüd nimetatakse ussripikuks, oli lõhkemas ja operatsioon nõudis üldnarkoosi. Haiglast tulles oli kurvameelne, isutu ja nõrk, pisarad tulid kergesti silma ja kõik, mis seni oli huvitanud, ei pakkund enam huvi. Ka margid. Nii loobuski kogust. Nüüd kahetseb seda ja püüab muu kogumise kõrvalt taastada seda vanade markide kogu, mis tal lapsepõlves oli ja millest üksikuid praegugi mäletab. Eriti rumal oli
(Näiteks, arvutatud võrgu väljundväärtuse ja etteantud etalonväärtuse vahe); 3. võrgu parameetrite väärtuse ümberarvutamine lähtudes õpetamismeetodi poolt määratud algoritmist. Kõik kolm nimetatud sammu moodustavad ühe õpetamise perioodi (epoch, ). Õpetamise perioodid korduvad iteratiivselt seni kuni saavutatakse võrgu väljundi vajalik täpsus või võrgu väljundi täpsus lakkab paranemast (s.t. veafunktsioon on saavutanud lokaalse miinimumi). Õpialgoritmi valik sõltub kasutatavas närvivõrgust (erinevad õpialgoritmid erinevate närvivõrgu arhitektuuride jaoks) ja lahendatavast probleemist. Järgnevas vaatleme lühidalt kõige levinumaid õpialgoritme. Enamuses otsesuunatud ja tagasisidestatud närvivõrkude rakendustes kasutatakse nn. vea pöördlevi meetodid, kus igal sammul võrgu väljund võrreldakse sisendvektorile vastava
(Näiteks, arvutatud võrgu väljundväärtuse ja etteantud etalonväärtuse vahe); 3. võrgu parameetrite väärtuse ümberarvutamine lähtudes õpetamismeetodi poolt määratud algoritmist. Kõik kolm nimetatud sammu moodustavad ühe õpetamise perioodi (epoch, ). Õpetamise perioodid korduvad iteratiivselt seni kuni saavutatakse võrgu väljundi vajalik täpsus või võrgu väljundi täpsus lakkab paranemast (s.t. veafunktsioon on saavutanud lokaalse miinimumi). Õpialgoritmi valik sõltub kasutatavas närvivõrgust (erinevad õpialgoritmid erinevate närvivõrgu arhitektuuride jaoks) ja lahendatavast probleemist. Järgnevas vaatleme lühidalt kõige levinumaid õpialgoritme. Enamuses otsesuunatud ja tagasisidestatud närvivõrkude rakendustes kasutatakse nn. vea pöördlevi meetodid, kus igal sammul võrgu väljund võrreldakse sisendvektorile vastava
annaabi.ee 
