神经网络学习笔记(一)感知器神经网络

       感知器(Perceptron)是由美国科学家F.Rosenblatt于1957年提出的,是一种模仿生物感知机制,用于模式识别的简单神经网络。感知器模型如图1.


图1. 单个感知器模型

       感知器的传递函数为

       单个感知器的运算关系为

a=hardlim(wp+b)

       若令权重向量为:


       则样本x对应的实际输出为

其中d为样本空间的维数。

 

感知器学习算法:两分类问题

 

(k=1,2,…,n)分别属于+类和—类,感知器学习的目的在于寻找到合适的W使得感知器能够对样本进行正确的分类。

(1)   初始化:k=1,j=0, W赋予较小的随机值,给c赋值(学习速率);

(2)   输入训练样本

(3)   计算  

(4)   修正权值向量,修正规则为:


其中为期望输出,为实际输出。(新的权重值为旧的加上误差值乘以输入,思想很简单。即用误差调整w和b,显然误差为0,就无调整。不为0,就朝着使误差减小的方向调整,即负反馈的思想。) 

            (期望输出为1,结果输出了0,所以误差为1)

             (期望输出为0,结果输出了1,所以误差为-1)

          其他情况W(j+1)=W(j);

(5)   j=j+1;k=j-j/n*n+1(k=1,2,…,n往复循环),返回(2),直到W对所有的训练样本均稳定不变结束。

自己就先看了这点,还没有去实现。


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