chapter 5
5.1 神经元模型
定义:神经网络是由具有适应性的,简单单元组成的,广泛并行互联的网络,它的组织能够模拟生物神经系统对真实世界物体所做出的交互反映。
神经网络的基本单元是神经元模型,当一个神经元兴奋时,会向相连的神经元发送化学介质,从而改变神经元内的电位,如果某神经元的电位超过了阈值,那么就会兴奋起来(阈值就是平时所说的偏差bias)。
M-P神经元模型 :
模型中,神经元接受其它神经元传来的带权重的输入信号,总输入值与神经元的阈值比较,通过激活函数处理以产生神经元的输出。
5.2 感知机与多层网络
给定训练数据集,权重以及阈值能够通过学习得到。对样例(x,y)若当前感知机的输出为y~,则感知机权重将这样调整:
n称为学习率,大小在0到1之间,若感知机对y的预测正确,即y~=y,则感知机不发生变化,否则将根据错误的程度进行权重调整。