本文介绍了神经元的基本构建，通过一个简单的感知机模型演示如何区分苹果和香蕉。利用权重和传递函数，展示了学习规则如何调整权重以达到预期输出。通过对权重的更新，成功实现了对两种水果的正确辨别。
我们首先从一个简单的神经元的构建开始：
P代表输入信号源，W代表权重，这里列出一些常用的传递函数：
| 阶梯函数(step) | 输出0&1 |
| 符号函数(sgn) | 输出-1&1 |
| 线性函数(linear) | n本身就是神经元的输出 |
| 饱和线性函数(Ramp) | 线性斜线n<0,输出0，n在0 1之间，输出n,n>1时输出n |
| 对数S型函数(sigmoid) | 有界函数，输出介于0 1 之间 |
| 双曲正切S型函数(Tanh) | 有界函数，输出介于-1 1之间 |
这样，我们就构造了一个简单的神经元。
----------------------------------------------------------------------------------------------------------------------------------
感知机：是最简单的神经网络。
举一个简单的例子：分辨苹果和香蕉，假设我们识别他们只需要两个特征，颜色，形状。权重都默认为1，b初
最低0.47元/天 解锁文章
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
