神经网络(1):感知器

本文介绍了神经网络中最简单的模型——感知器,用于二分类问题。内容包括感知器的工作原理,通过加权求和与符号规范化实现二分类,以及详细步骤如样本增广化、权值调整等。此外,还提及了代码实现过程。
摘要由CSDN通过智能技术生成

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;           
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值