单层感知器

由单个神经元组成的单层感知器只能用来解决线性可分的二分类问题。将其用于二分类时，就相当于在高维样本空间中，用一个超平面将样本分开。

单层感知器由一个线性组合器和一个二值阈值元件组成。输入向量各分量先与权值相乘，然后在线性组合器中进行叠加，得到的结果是一个标量。线性组合器的输出是阈值元件的输出，实际上是执行了一个符号函数。实际应用中，除了输入的N维向量外，还有一个外部偏值，值恒为1，权值为b。

单层感知器只对线性可分的问题收敛，即可通过学习，调整权值，最终找到合适的决策面，实现正确分类。

MATLAB单层感知器相关函数：

• newp  创建一个感知器
• train  训练感知器网络
• sim   对训练好的网络进行仿真
• hardlim/hardlims 感知器传输函数，在功能上类似于数学上的符号函数
• init  神经网络初始化函数，初始化权值和阈值
• mae 平均绝对误差性能函数

 

转载于:https://www.cnblogs.com/larry-xia/p/9221410.html