单层感知器介绍

输入节点：x1,x2,x3
输出节点：y
权向量：w1,w2,w3
偏置因子：b
激活函数：sign(x) {y=1,x>=0;y=-1,x<0}
举例
b=-0.6
w1=w2=w3=0.5

单层感知器的另一种结构


学习率η：一般在0到1之间，学习率太大容易造成权值调整不稳定，学习率太小，权值调整太慢，迭代次数过多

模型收敛条件：

1. 误差小于某个事先设定的较小的值
2. 两次迭代的权值变化很小
3. 设定最大迭代数，当超过最大迭代数时自动停止
   附一个简单的示例

import numpy as np
import matplotlib.pyplot as plt
x = np.array([[1, 3, 3],
            [1, 4, 3],
            [1, 1, 1],
            [1, 2, 1]])
T = np.array([[1],
            [1],
            [-1],
            [-1]])
w = np.random.random([3, 1])
ir = 0.1
Y = 0
def train():
    global x, Y, w, ir, T
    Y = np.sign(np.dot(x, w))
    E = T-Y
    delta_w = ir*(x.T.dot(E))/x.shape[0]
    w = w + delta_w
for i in range(100):
    train()
    print('epoch', i+1)
    print('wights', w)
    Y = np.sign(np.dot(x, w))
    if (Y == T).all():
        print("finished")
        break