前文:【神经网络】背景和基本概念介绍了机器学习和神经网络的基本概念。
本篇介绍最基础的感知机模型,对于感知机的理解是理解其他神经网络模型的重要基础。
感知机是一个有监督模型。
根据前文,神经网络有三重要素:神经元、网络拓扑结构和学习算法。
神经元与网络结构
感知机有两层神经元,输入层、输出层神经元。例如:
其中,输入层神经元的个数和样本数据属性部分(可以看作自变量)的维数一样,且输入神经元输出yi=输入xi;输出层神经元只有一个,是有计算功能的处理神经元——输出y=f(Σwx)。
学习方式
给定训练集,终止条件满足前:
每一轮训练,每次输入一个样本(x,y),按如下规则调整权重:
其中,ŋ是一个事先确定的常数,称作“学习步长”,取值常在(0,1),常取0.05,0.2等值。
案例
“与”问题-(x1∧x2):即只有当x1=x2=1时,输出y=1;当x1或x2中只要有一个0,y=0。
当然,实际使用的时候,权值是需要用样本数据训练的。本例意在说明,一个两个输入的感知机,其作用相当于在平面中找一条分界线,把平面上的点分成两类。训练的过程,其实就是寻找这条线的位置的过程。
本文部分图片来源于网络,侵删。
领取专属 10元无门槛券
私享最新 技术干货