Πολυεπίπεδα Δίκτυα με Οπισθοδιάδοση Λάθους

Ένα Τεχνητό Νευρωνικό Δίκτυο Πρόσθιας Τροφοδότησης απεικονίζεται στο παρακάτω σχήμα:

Ο ρυθμός μάθησης είναι 1 και τα κατώφλια (πολώσεις) είναι 0. Δεν υπάρχει παράγοντας ορμής. Όλες οι συναρτήσεις ενεργοποίησης είναι σιγμοειδείς. Οι τιμές εισόδου και τα βάρη των συνάψεων είναι:
x1 = 1, x2 = 1, x3 = 1
u11 = -2, u21 = 1, u12 = 2, u22 = 1, u13 = -2, u23 = -1
w11 = 1, w12 = -3.5, w21 = 0,5, w22 = -1.2, w31 = 0.3, w32 = 0.6
Οι αναμενόμενες τιμές στην έξοδο είναι: y1 = 1, y2 = 1, y3 = 1
Για τους ζητούμενους υπολογισμούς αρκεί ακρίβεια τριών δεκαδικών ψηφίων.
Α. Ποιά είναι η τιμή της εξόδου του νευρώνα Ο2  (μετά την ενεργοποίηση);
Ποιές είναι οι τιμές δ(H1)
και δ(H2); Ποιά είναι η νέα τιμή του βάρους u12; [10 μονάδες]
B. Τι περιμένετε να συμβεί αν έχετε (για την ίδια είσοδο) αναμενόμενη έξοδο  y1  =  2,  y2  =  2,
  y3  =  2;
Εξηγήστε σύντομα. Αν μπορείτε να διευκολύνετε τη σύγκλιση προτείνετε το «πώς».