文章介绍了如何使用Matlab实现单层感知机进行二分类问题的解决，包括输入向量、权重向量的定义，以及学习算法的步骤，如初始化、激活、更新权值等。同时，提到了感知机的局限性，如仅适用于线性可分问题，并给出了一段示例代码展示如何训练和绘制分类结果。
Matlab学习笔记之单层感知机单层感知机二分类问题及示例------------锋锋的快乐小窝
-
定义 ( N + 1 ) × 1 (N+1)\times 1 (N+1)×1输入向量： x ⃗ = [ 1 , x 1 ( n ) , x 2 ( n ) , … , x N ( n ) ] T ~\vec x=[1,x_1(n),x_2(n),…,x_N(n)]^{T} x=[1,x1(n),x2(n),…,xN(n)]T
-
n n n ：迭代次数
-
定义 ( N + 1 ) × 1 (N+1)\times 1 (N+1)×1权值向量： ω ⃗ ( n ) = [ b ( n ) , ω 1 ( n ) , ω 2 ( n ) , … , ω N ( n ) ] T ~\vec\omega(n)=[b(n),\omega_1(n),\omega_2(n),…,\omega_N(n)]^{T} ω(n)=[b(n),ω1(n),ω2(n),…,ωN(n)]T
-
所以线性组合器的输出： v ( n ) = ∑ i = 1 N ω i x i = ω ⃗ n T x ⃗ n v(n)=\sum_{i=1}^{N} \omega_i x_i ={\vec{\omega}^{T}_{n}} \vec{x}_{n} v(n)=i=1∑Nωix
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
