机器学习-感知机

什么是感知机？

感知机（Perceptron），又称神经元（Neuron，对生物神经元进行了模仿）是神 经网络（深度学习）的起源算法，1958年由康奈尔大学心理学教授弗兰克·罗森布拉 特（Frank Rosenblatt）提出，它可以接收多个输入信号，产生一个输出信号。

其中，x1和x2称为输入，w1和w2为权重，θ为阈值，y为输出。

神经元更为通用的表达式：

感知机的功能

• 作为分类器/回归器，实现自我学习
• 实现逻辑运算，包括逻辑和（AND）、逻辑或（OR）
• 组成神经网络

神经元作为分类器/回归器

神经元实现逻辑运算

实现逻辑和

实现逻辑或

感知机的缺陷

感知机的局限在于无法处理“异或”问题。

多层感知机

1975年，感知机的“异或”难题才被理论界彻底解决，即通过多个感知机 组合来解决该问题，这种模型也叫多层感知机（Multi-Layer Perceptron， MLP）。如下图所示，神经元节点阈值均设置为0.5

多层感知机解决异或问题的方法是，第一层的的两个感知机分别是与非门和或门，然后将第一层的两个输出作为第二层的与门的输入从而实现异或门。