5.1 神经元模型
一组输入向量(x1,x2,x3…xn) 通过与各自对应的权值相乘(w1,w2,w3…wn)到达神经元,求和后的总输入值与阈值相比较,再通过 “激活函数” (activation function) 处理以产生神经元的输出。
5.2 感知机(perceptron)
由两层神经元(输入层,输出层)组成,输入层接受输入信号,输出层输出经由各输入与对应权值相乘后并求和的总值,可用于训练与或非等线性可分问题。如图5.4(a)-©
要解决非线性可分问题可考虑使用多层神经网络:
每层神经元与下一层神经元完全互连,神经元之间不存在同层连接,也不存在跨层连接,这种神经网络结构通常称为 “多层前馈神经网络”。流程为:
- 输入层神经元接受外界输入
- 隐层与输出层神经元对信号进行加工
- 最终结果由输出层神经元输出