第 04讲 感知器( Perceptron)
zoujiang@public.wh.hb.cn
邹江感知器是由美国计算机科学家罗森布拉特
( F.Roseblatt)于 1957年提出的。
单层感知器神经元模型图:
图 4,1 感知器神经元模型
F.Roseblatt已经证明,如果两类模式是线性可分的(指存在一个超平面将它们分开),则算法一定收敛。
感知器特别适用于简单的模式分类问题,也可用于基于模式分类的学习控制中。
本节中所说的感知器是指单层的感知器。多层网络因为要用到后面将要介绍的反向传播法进行权值修正,所以把它们均归类为反向传播网络之中。
4,1 感知器的网络结构根据网络结构,可以写出第 i个输出神经元 (i= 1,2,…,
s)的加权输入和 ni及其输出 ai为:
感知器的输出值是通过测试加权输入和值落在阈值函数的左右来进行分类的,即有:
阈值激活函数如图 4,3所示。
4,2 感知器的图形解释由感知器的网络结构,我们可以看出感知器的基本功能是将输入矢量转化成 0或 1的输出。这一功能可以通过在输人矢量空间里的作图来加以解释。
感知器权值参数的设计目的,就是根据学习法则设计一条 W*P+b= 0的轨迹,使其对输入矢量能够达到期望位置的划分。
以输入矢量 r= 2为例,对于选定的权值 w1,w2和 b,
可以在以 p1和 p2分别作为横、纵坐标的输入平面内画出
W*P+b= w1 p1十 w2 p2十 b= 0的轨迹,它是一条直线,
此直线上的及其线以上部分的