写完上一篇《》到现在已经过去叻十天2018年伊始几天同学同事都是各种浪,自己坚持学习实在是痛苦啊!
不悲不气闲话不多说了,开始自己神经网络的学习旅程吧
感知器的原型是——神经元模型是在1943年,由McCulloch 和 Pitts提出所以也被叫做“M-P神经元模型”。这个模型的工作原理可由下图展示:
这篇单层感知器的实现具体是为了研究:已知标签的情况下,平面上的二分类问題
Xi?=[1,xi?,yi?]相当于上图中有3个输入支在这3个输入支中,第一个值"1"相当于偏置值(也可以说与阈值的意义相同)后两个值[xi?,yi?]组成平面的一个点。实验中一共输入了5组值每组值对应的正负标签由Y存储,我们需要做的就是找到一条直线将正负值區域划分开。
随机生成权重且要求权重范围落在(-1,1)权重的个数与输入支个数相同
实现思路:当随机生成的权重W不能将正负值区域劃分开来,就要根据当前输出集和原有标签集差值的大小乘以输入集lr得到改变权重,改变权重加上旧权重就得到新权重;
说明:这里將改变权重除以
注:由于每次随机生成的初始权重不同导致每次运行迭代次数不同,求得的分割线吔不同当数据集很大时候,分割线也会越来越精准
感知器解决异或问题有两种方式:
异或问题的解决方式有:增加非线性项: