感知器
目录

感知器 Perceptron

人工神经网络是一种运算模型,由大量的节点(或称“神经元”或“单元”)和之间相互联接构成。 典型的神经元如下图所示:

数学表示为$t=f(w*a)+b$,其中

  • a是特征向量,a1~an 是输入特征向量的各个分量。或者说a是在N维空间上的点。
  • w是权值向量,w1~wn 是神经元各个突触的权值。或者说w是N维空间各个维度上的权值。
  • b 是偏置
  • f 是传递函数
  • t 是神经元的输出

单层感知器是一种具有一层神经元、采用阈值激活函数的前向人工神经网络。 单层感知器的结构如下图所示:

单个感知器神经元的数学表达式为:

由此可以看出t的结果是一个二元值,表示分类的两个结果。 训练分类器的过程就是训练w的过程,根据输出结果正确性调整权值向量, 直到权值稳定(即收敛)或达到最大迭代次数。

单层感知器只能用于线性可分问题。 对于线性不可分问题,需要用到多层感知器。

发表评论