实现一层简单神经网络

本文介绍了如何使用Python实现感知器和自适应线性神经元(Adaline)。首先讲解了感知器的基本原理和工作流程,然后通过代码展示了如何训练感知器对鸢尾花数据集进行分类。接着,文章详细阐述了Adaline的工作机制,并通过实例演示了Adaline的梯度下降优化过程,展示了模型在迭代中逐渐提高分类效果的过程。
摘要由CSDN通过智能技术生成

目录:

    一:感知器

    二:自适应性线性神经元

    视频来源:慕课网http://www.imooc.com/learn/813

正文:

一:感知器

感知器属于监督学习算法类别,更具体地说是单层二值分类器。简而言之,分类器的任务就是基于一组输入变量,预测某个数据点在两个可能类别中的归属。

对于输入信号,经过W的权值进行弱化将信号变小。最后输出到细胞核Z中。而Z不会直接传递出去,而是通过激活函数(即sin或其他函数)进行分类。

如上图的简单激活函数,即大于某个阈值(如0)则输出1,否则输出0.

总体如下图:

其中学习率n需要根据经验来设定。

上图:阈值在开始的时候被当成是W(0),后来每次进行更新

我发现,无论是分类器还是自适应线性神经网络,W(0)和其他的W(1:n)是不一样的计算公式,W(0)是阈值,不需要乘以输入的Xi。

上图:第二第三种是线性不可分割的。

数据越多,权值更新越好,输出结果越准确。

 

编程:

安装anaconda navigator。(备注:装的是anaconda,里面分别是Anaconda Cloud,Anaconda Navigetor,Anaconda Prompt,IPython,Jupyter Notebook,Jupyter QTCConsole,Reset Spyder Settings,和Spyder。安装和介绍:

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