【ai入门】如何让机器拥有直觉？详细解释Rosenblatt感知器的算法原理及python实现

一元一次函数感知器

引入

假设海底生物“小蓝”依赖吃“豆豆”存活，而豆豆越大毒性越高。小蓝可以感知到豆豆的大小，它该如何判断豆豆是否能k吃？

如何去描述认知？函数

豆豆的大小x，毒性y，y=wx；

但是小蓝不能通过这个函数活下去，因为随着w的取值不同，函数会产生很多错误。参数w设置为多少小蓝才能够进行很好的预测呢

也就是要让神经元有自己调整w的能力。

Rossenblatt感知器

核心：通过误差修正参数

输入经过函数产生结果，用标准答案减去结果就得到了误差e，要根据e来调整参数。

如：w+=e；这样当结果过小时e为正，w增加；过大时e为负，w减小

但是当x为负时就不能是简单的w=w+e了，因为当结果过小时e为正，但w需要向小调整。所以令w=w+e*x，这样就解决了e的符号问题。

但是，如果调整的幅度过大，可能会出现w过小时增大然后过大了，过小时减小又过小了，最后搁那反复横跳。

给修正项添加系数a，当a为0.05时每次修正幅度会变慢20倍。

可以证明w最后一定会收敛。

编程实验

1. 导入事先写好的数据集dataset类，调用get_beans函数生成豆豆的x,y的值

   import dataset
   
   xs, ys = dataset.get_beans(5)
   print(xs)
   print(ys)
   

生成了豆豆的大小以及对应的毒性

2. 利用python自带的matplotlib绘制直观的图

   从matplotlib中导包pyplot并取名为plt

   from matplotlib import pyplot as plt
   

   设置图像信息

   # 配置图像
   plt.title("Size-Toxicity Function", fontsize=12)  # 名字
   plt.xlabel("Bean Size")  # 横坐标名字
   plt.ylabel("Toxicity")  # 纵坐标名字
   plt.show()  # 显示图像
   

   

​ 绘制散点图

plt.scatter(xs, ys)

多生成一些豆豆

xs, ys = dataset.get_beans(100)

非常的直观

绘制预测函数

w = 0.5
y_pre = w * xs
plt.plot(xs, y_pre)

当然这里的斜率是固定的

实现rosenblatt感知器

1. 输入x，求出y
2. 求出误差e
3. w=w+a*e*x

for m in range(100):  # 调整100次
    for i in range(100):
        x = xs[i]
        y = ys[i]
        y_pre = w * x
        e = y - y_pre
        alpha = 0.05
        w = w + alpha * e * x

拟合的非常好

总结

核心：参数的自适应