构建最简单的perceptrons
- 首先需要对生物学里的神经元有一个基本理解
对于深度学习, 只需知道神经细胞的两大部分, 轴突和树突, 了解它们之间是如何传递信息的, 因为感知器是完全按照这一逻辑构建, 虽然无法达到人类的神经细胞全部功能, 但是目前最好的, 最简单的数学模型。
轴突和树突之间要进行信号的传递, 即为输入和输出,传递的结果可能被激活也可能没有。 - 单一神经元模型
输入为x1, x2, 1, 当然也可以有几百几千个输入, 输入的每一个值需要乘以相应的权重, w1, w2, w0, 其中w0 = -th, th为threshold。w0 为偏移量, g 为转移方程。输入信号x1, x2 乘以权重w1, w2与w0 相加得到s, 然后s的结果传递给g, g(s)的结果即为输出。
该模型解决的问题是线性不可分的, 也就是解决下图所示的问题, 如果给出二维或多维中的若干的, 满足线性不可分, 如下图, 总能找到一条最优的直线, 直线