神经学习 1、神经学习是一种基于人工神经网络的学习方法,包含感知器学习、BP网络和Hopfied网络学习。 2、感知器学习 (1)单层感知器 算法描述:设置变量和参数;初始化联结权值和阈值;输入一组新的样本;计算网络的实际输出;计算期望输出与实际输出差(损失函数/误差函数)。 (2) 激活函数和单层感知机
(3) 单层感知器学习算法案例:逻辑与、逻辑或、逻辑非,用单层感知器,改变不同的权值就能实现不同的这三种逻辑。 (4) 多层感知机:实现逻辑异或。
神经学习 1、神经学习是一种基于人工神经网络的学习方法,包含感知器学习、BP网络和Hopfied网络学习。 2、感知器学习 (1)单层感知器 算法描述:设置变量和参数;初始化联结权值和阈值;输入一组新的样本;计算网络的实际输出;计算期望输出与实际输出差(损失函数/误差函数)。 (2) 激活函数和单层感知机
(3) 单层感知器学习算法案例:逻辑与、逻辑或、逻辑非,用单层感知器,改变不同的权值就能实现不同的这三种逻辑。 (4) 多层感知机:实现逻辑异或。