感知机算法是1957年由Fran Rosenblatt提出的，作为神经网络的起源之一。它接受多个输入信号并基于权重和阈值决定输出。虽然单层感知机无法解决非线性问题如异或门，但通过叠加层形成多层感知机（MLP）就能表示非线性空间，从而实现异或门等功能。感知机在逻辑电路中有着实际应用，如与门、或门等，并且权重和偏置是其重要参数。
一，感知机算法是什么？
感知机算法全称是Perceptron Linear Algorithm，即PLA算法
介绍：感知机是由美国学者Fran Rosenblatt 在1957 年提出来的一种算法。
感知机也是作为神经网络（深度学习）的起源的算法。
感知机是一个具有输入输出的算法，给定一个输入，输出一个既定的值。
原理：感知机接收多个输入信号，输出一个信号。
感知机的信号只有“流/ 不流”（1/0）两种取值。在<<深度学习入门>>书中，0 对应“不传递信号”，1 对应“传递信号”。
例子：
x1、x2是输入信号，
y 是输出信号，w1、w2是权重（w 是weight 的首字母）。图中的○称为“神经元”或者“节点”。
输入信号x传入神经元时要乘上固定的权重，判断其和是否超过某一限定值。
当这个总和超过了某个界限值时，才会输出1。这也称为“神经元被激活”。这里将这个界限值称为阈值，用符号θ 表示。
这就是感知机的原理。
数学表达式：
最低0.47元/天 解锁文章
扫一扫
1452
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
