2020-09-17——神经网络小白初探——感知学习和反向传播算法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

神经网络小白初探——感知学习和反向传播算法
Perceptron Learning and Backpropagation

---

前言

关于感知机和反向传播几个小问题

---

提示：以下是本篇文章正文内容，下面案例可供参考
https://machinelearningmastery.com/learning-rate-for-deep-learning-neural-networks/

一、什么是感知机

1. 感知机的定义是什么？

感知机(perceptron)是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别。

2. 感知机的取值是什么？

取+1和 0 二值。

3. 感知机对应于输入空间(特征空间)中的什么？

感知机对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型。

4. 感知机学习的目的是什么？

感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。

5. 感知机学习算法有什么特点？

感知机学习算法具有简单，并且易于实现的特点，分为原始形式和对偶形式。

6. 什么是感知机预测？

感知机预测是用学习得到的感知机模型对新的输入实例进行分类。它是神经网络与支持向量机的基础。

7）感知机模型学习规则

二、QUIZ

1.能从感知机中学到什么类型函数？

W