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