4.感知器
这里会通过一个模式识别的问题,说明如何利用神经网络来求解这个问题。
当商贩在存储水果时,需要将水果分类。我们把全部的水果通过一个分类的机器,首先需要通过一个传感器测量水果的三个特征:外形,质地与重量。
我们定义:(1)圆形为1,椭圆为-1。(2)光滑为1,粗糙为-1。(3)超过一磅为1,轻于一磅为-1。
则橘子为:p1=[1 -1 -1]’ 苹果为:p2=[1 1 -1]'
因此对每一个样本,神经网络都会接受到一个三维的向量。
4.1 先介绍下两输入的单神经元感知机
当w11=-1,w12=1时,a=hardlims(n)=handlims([-1 1]p+b),当a>=0,输出为1。a<0,输出为-1。
上图中,斜线上方为净输入n>0的点,线上为n=0的点,线下方为n<0的点。判定边界总是和权值矩阵正交,即矩阵W总是垂直于判断边界的直线。一般来说, W是由多个行向量组成的矩阵,每一行向量的使用方法如上所示。W的每一行都会形成一个判断边界。因为边界必须是线性的,所以单层感知机只能用于识别一些线性可分(能够用一个线性边界区分)的模式。
4.3 模式识别