感知器及其在python中的实现_感知器及其Python实现

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。感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈值激活函数的前向网络。通过对网络权值的训练，可以使感知器对一组输人矢量的响应达到元素为0或1的目标输出，从而实现对输人矢量分类的目的。

下图是一个感知器：

可以看到，一个感知器有如下组成部分：

01 输入权值：

其中，每一个输入分量Xj(j＝1，2…，r)通过一个权值分量wj，进行加权求和，并作为阈值函数的输人。偏差 b的加入(对应上图中的 w0,这样是便于书写和理解)使得网络多了一个可调参数，为使网络输出达到期望的目标矢量提供了方便。感知器特别适合解决简单的模式分类问题。

02 激活函数：

激活函数则有较多的选择，较为常见的有sigmoid函数和阶跃函数，这里以阶跃函数为例！

03 输出：

感知器的输出则由如下公式计算得出：

感知器有个屌用呢？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。

举个例子：很多的呀，比如最简单的的布尔运算。可以看作是二分类问题，即给定一个输入，输出0(属于分类0)或1(属于分类1)。它还可以拟合任何的线性函数，任何线性分类或线性回归问题都可以