MP神经元其实就是仿造生物神经元产生的
特点:多个输入,一个输出
对多个输入进行加权求和,得到一个输出。
就是我们现在神经网络中的一个神经元,MP神经元是最早产生的神经元,所以有个别样的名字,其实它就是个神经元;然后对输出确定一个阈值,进行2分类,看这个神经元是兴奋还是抑制
它是神经网络的基础
感知器是最简单的神经网络
感知器中的神经元没有激活函数,所以它只能对数据进行线性二分类;它的结构就是神经网络的结构
函数
如图所示,进行二分类,求得结果大于0即为正类,反之为负类。
参数训练过程
yWx可以代表它的分类情况,如果yWx>0(y和Wx同号),说明预测正确,反之则是错误的。
每次分错一个样本(X , y)时,即y*WX < 0;
所以,它的训练过程正好利用到了这一点。
用错分的样本来更新权重 w = w+yx
若yWX < 0,则说明w和yx异号,更新时要往反方向走;
若yWX > 0,则说明w和yx同号,就不对参数做更新;
然后,也能推出感知器的损失函数
对每个样本来说,如果预测正确(yWX > 0),损失为0;反之(yWX < 0),则为-yWX;是比较简单粗暴的方式。