人工神经网络入门:
感知器是神经网络中最简单的一种模型,是通过加权求和函数计算,之后根据结果实现二分类。
感知器算法的实现:(实现二分类)
先输入两类样本,后对数据进行增广化,以及符号规范化,然后训练样本并调整权值,训练完毕后保存权值。
如:二维样本(0,1),前两个数字为二维输入。
增广化:将(0,1),变为(0,1,1),即隐含输入1。
符号规范化:如(0,1),(0,0)属于1类,(1,0),(1,1)属于2类,则增广化后分别为(0,1,1),(0,0,1),(1,0,1),(1,1,1),
规范化就是将某一类的值都乘以-1,比如2类样本乘以-1,即(0,1,1),(0,0,1),(-1,0,-1),(-1,-1,-1)。
代码实现:
定义全局变量:
#define MAX_SAMPLE_NUM 100 // 最大样本个数
#define MAX_NUM 1000 // 最大训练次数
double RATE = 0.6;