- 感知机(Perceptron)概述
1957年被提出,是一种有单层计算单元的神经网络模型,在结构上与M-P模型相似,提出初衷是解决数据的分类问题。感知机是神经网络和支持向量机的基础。
- 感知机原理
感知机本身是一种能进行二分类的线性模型。只要被处理的数据线性可分,就能使用感知机模型训练得到二分类模型。若数据线性不可分,训练会出现模型来回震荡的情况。
单层感知机模型图
感知机的数学表达式:f(x) = sign(wx+b)
其中,x为输入向量,w为输入向量对应权重值,b为偏置,w·x是点积,sign为符号函数,其定义:
s i g n ( x ) = { + 1 , x > 0 − 1 , x < 0 sign(x) = \begin{cases} +1,\ x>0 \\ -1 ,\ x<0 \end{cases} sign(x)={
+1, x>0−1, x<0
由此可得到
s i g n ( ω ⋅ x + b ) = { + 1 , ω ⋅ x + b > 0 − 1 , ω ⋅ x + b < 0 sign(\omega \cdot x + b) = \begin{cases} +1, \ \omega \cdot x + b>0\\ -1, \ \omega \cdot x + b<0 \end{cases} sign(ω⋅x+b)=