最近,学习了一下神经网络的相关知识。写一篇博客,做思路整理。
神经网络包含input layer、hidden layer、output layer三层。(考虑真实神经原传输信号的过程)
感知器分类算法只适用于可以线性分割的数据!!!!!
相关概念:
训练样本X = ,权重向量W = ,(这个过程叫向量的点乘)。
激活函数(单元步调函数):,用来分类。(注意,这是一个线性激活函数)
阈值(偏置):,初始的阈值根据“经验”给出,随着模型的训练,会更新
学习速率:,是0到1比区间内的小数
步骤:
1.把权重向量初始化为0,或把每一个分量初始化为0到1间的任意小数。(,相乘的结果就是阈值。这样做的目的是为了计算方便,只需要判断Z的值是大于0还是小于0)
2.把训练样本输入感知器,得到分类结果(-1或1)
3.根据分类结果更新权重向量和阈值。
权重更新算法:
y是输入样本的正确分类,是感知器计算出来的分类。
阈值更新方法:
整体思路图如下: