使用单个神经元对多个输出进行分类
使用单个神经元对多个输出进行分类
提问于 2015-04-19 16:50:46
我是人工智能的初学者，所以如果我问一个愚蠢的问题，我很抱歉。我想要做的是，只训练一个感知器来对4类输入进行分类。我知道，通常情况下，感知器是二进制分类器，但我想知道，对于这个特殊情况，我是否可以打破规则，因为它有一个非常容易分类的规则。数据样本包含笛卡尔坐标给出的点。给出了x坐标总是1，4之间的整数，y坐标取0到1之间的值，只有1位精度的事实。(0:1:1 Matlab表达式)。这些类只依赖于X坐标.这个类就是X坐标。例如，(1，0.3)在第一班，( 3，0.2)在第三班，可能只训练一个感知器来学习这个规则？提前感谢
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-04-21 01:37:35
答案是否定的，不是用标准的二元双极阈值感知器。除非你有一些疯狂的非线性感知器，它的逻辑已经内置在传递函数中，否则你将需要更多的神经元来近似这个逻辑。记住，你的传递函数越非线性，你的训练就越复杂。
以异或算子为例。即使是这样一个简单的逻辑门，也需要两个隐藏的神经元。以下是我所说的异或的参考。
对于那些质疑“二元感知器”是什么意思的人来说，OP意味着这一点。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/29732836
复制相关文章
相似问题
腾讯云开发者
