写在前面的话
为什么要有神经网络和感知机?
神经元:多对一
函数:多对一(数学基础)
树:多对一(数据结构)
Q:为什么人工智能不能在函数,树这样的基础上实现出来?为什么还要提出一个新的概念:神经网络?神经网络有什么特别之处?
生物神经系统的基本单元:神经元
神经网络基本单元:感知机(多个输入,经过计算输出0或1这一种信号)
明斯基:感知机能实现与,或,非,但是不能实现异或。
Q:与或非作为基本运算,通过组合可以实现异或,为什么感知机无法实现?就算感知机能实现所有的逻辑运算,电子计算机不早就做到了吗,为什么还要有感知机?
了解感知机
感知机就是一个分类的工具,二维的决策面是线,三维的决策面是平面,n维的决策面是(n-1)维的超平面。
Q:感知机的价值在哪?
对于函数来说,分类等于是一个分段函数,但是当数据不同时就需要设定不同的分段函数解决问题,即不存在一个大一统的分段函数模型。比如我设置一个判别胖瘦的分段函数,但是它不能解决猫狗分类问题。感知机的价值就在于只要这个分类问题是线性二分的,感知机都能解决,线性函数加激活函数。
感知机的思想在于分治,它把一个复杂的问题拆分成简单的问题。
为什么感知机不能解决异或问题?
与或非都能通过一条线把0和1区分开,但是对于异或就不行,即异或无法被线性可分。
怎么克服这个缺陷?
叠加感知机!下面用三个感知机解决这个问题:
两个不同的状态变成相同的状态,通过叠加感知器把右上角的0并到了右下角,实现线性可分。