单层感知器属于单层前向网络,即除输入层和输出层之外,只拥有一层神经元节点。
一、感知器的结构
单层感知器由一个线性组合器和一个二值阈值原件组成。(一般选择阈值函数作为输出函数)
上图每一个输入分量pj通过一个权值分量wj进行加权求和,并作为阈值函数的输入,偏差b 的加入使得网络多一个参数,作为调节输出的值增加方便。
二、感知器的学习
感知器学习就是不断调整权值和阈值,不断训练,寻找最合适的权值阈值。
单层感知器属于单层前向网络,即除输入层和输出层之外,只拥有一层神经元节点。
一、感知器的结构
单层感知器由一个线性组合器和一个二值阈值原件组成。(一般选择阈值函数作为输出函数)
上图每一个输入分量pj通过一个权值分量wj进行加权求和,并作为阈值函数的输入,偏差b 的加入使得网络多一个参数,作为调节输出的值增加方便。
二、感知器的学习
感知器学习就是不断调整权值和阈值,不断训练,寻找最合适的权值阈值。