Тренировка простого нейросетевого недоразумения Perceptron

Question

говорят, что у вас есть точка в наборе данных из 10 точек: point1 = [x, y]

для точки 1 вычисляется ошибка, и веса обновляются

для точки два принимает ли алгоритм ранее обновленный вес, а затем обновляет этот и входной весы, из которых он обновлен, причем этот процесс происходит для точек в наборе данных ??

, если это так, то, конечно, порядок данные точки имеют значение для конечного результата? например, первые веса корректируются для точки 1, а веса корректируются для точки 2. это может означать, что корректировка для точки 1 теперь может быть избыточной, поскольку точка два подтолкнула вес в пользу точки 1 и в пользу пункта 2,

например

1. пункт 1 = неправильная классификация
2. веса скорректированы из-за ошибки в точке 1
3. точка1 = правильная классификация
4. точка 2 принимает обновленный вес
5. точка 2 неверна
6. обновлена точка 2 неверна
7. обновление весов
8. точка 2 верна, точка 1 неверна.

и т. д. для всех точек данных в эпоха

мой непроверенный код:

def perceptron(epoches, points):
    # points = [x, y, label]

    weights = generate_random_weights()
    learning_r = 0.1

    for e in range(epoches):
        for pt in points():
            inputs = [pt.x, pt.y]
            target = pt.label

            train(inputs, weights,target, learning_r)

    return weights # final model 

ps Я использую пример на YouTube Нейронные сети: Perceptron Part1 с помощью последовательности кодирования