人工神经网络（四）感知器学习规则推导

目前我们接触到的感知器学习规则，数学建模之后，我们知道如何调整权值，使得感知器的切分符合我们的预期输入，下面我们就用一个小推导，看看感知器是如何进行权值调整的：

理论

判定边界 判定边界由那些使得净输入n为零的输入向量确定：
n=1WTP+b=w1,1p1+w1,2p2+b

为了使该实例更加具体，现将权值和偏置值设置为：
w1,1=1,w1,2=1,b=-1
那么判定边界是
n=1WTP+b=w1,1p1+w1,2p2+b=p1+p2-1=0
上式在输入空间中定义了一条直线。为了画这条直线，必须找到该直线穿过轴p1和p2的点。为了求该直线在轴p2上的截矩，令p1=0，为了求该直线在轴p1上的截矩，令p2=0

据此可得到如图所示的判定边界

为了确定边界的哪一边对应的输出为1，我们只需检测输入空间的一个点。对于输入p=[2 0]T，网络的输出为

所以，对于判定边界右上方的区域网络输出为1。在图4-4中用阴影表示该区域。另外，也可用图解的方法找到该网络相应的判定边界。首先必须注意的是该边界与1w垂直（如图所示，稍后有说明为什么垂直）：