一:感知机的概念
感知机类似于人体的神经元结构,基本机构如图:
通俗来说,就是提供一些数据,在经过一系列复杂的运算之后输出结果。而这一系列的复杂运算就叫做感知机。
二:感知机的分类与结构
1.感知机的分类
感知机分为单层感知机和多层感知机
2.感知机的结构
单层感知机结构(不带偏置):
对于单层感知机,分为输入层和输出层两层结构。
- 黑色圆圈代表着输入层,由输入的数据组成。代表着X1,X2…Xn。(这是为了帮助感知机感知外部的环境,获取外界信息)
- 实线则代表着输入节点到输出节点的权重,为W1,W2…Wn。(这就是感知机将要学习的东西,不同的权重对结果的影响)
- 蓝色圆圈代表着通过加权求和计算得到的中间值。(这是先算出输入层带来的基础结果,为计算出最终的输出值做准备)
- 计算方法- 将每一个输入的数据X1 ~ X2,乘他们所对应的权值W1 ~ W2。
- 将他们的结果进行求和,得到中间值。
- 一个用来对中间值做特殊变换,从而得到最终输出结果的激活函数(虚线箭头):OutPut(这一步可以用各种各样的函数,对初步计算得到的中间值做各种各样的变换,从而使得感知机更加灵活的输出,实现不同的效果、解决不同的问题。当然,也可以不做任何变换,保留原始值)
多层感知机结构
多层感知机结构分为:输入层,隐藏层,输出层。
相比于单层感知机,多层感知机会进行更加复杂的加权运算,这些运算统统包含在了隐藏层中。多层感知机能够处理更多更复杂的问题。
三:感知机的作用
- 分类问题:处理离散值。(比如预测一张图片中的动物是猫还是狗,只有两种可能)
- 回归问题:处理连续值。(比如预测某只股票明日的价格,有无限种可能,因为价格可以是0到无穷大的任意一个。)
- 求值问题:即简单的求最终结果
分类问题
在应用于分类问题中,要用到激活函数。最常用的有Sigmoid函数,ReLU函数,Tanh函数等等。
回归问题
激活函数可以是不做任何处理,保留原始值的函数。