R与神经网络之Neuralnet包

R与神经网络之Neuralnet包

作者：王苏都毕力格

文章来源： BI咖啡馆

- BI咖啡馆

 

人工神经网络(ANN)

简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

 

 

 

 

 

 

 

 

一. 感知器

感知器相当于神经网络的一个单层，由一个线性组合器和一个二值阈值原件构成：构成ANN系统的单层感知器：        

 

 

 

 

 

 

 

 

 

 

感知器以一个实数值向量作为输入，计算这些输入的线性组合，如果结果大于某个阈值，就输出1，否则输出‐1。

感知器函数可写为：sign(w*x)有时可加入偏置b，写为sign(w*x+b)

学习一个感知器意味着选择权w0,…,wn的值。所以感知器学习要考虑的候选假设空间H就是所有可能的实数值权向量的集合