[计算智能笔记] 感知器 && 学习算法

• 感知器：一种具有单层计算单元的人工神经网络

• 采用MP神经元，它可以被视为一种简单的前馈神经网络

• 内涵：\(1.\) 权重\(w\) \(2.\) 阈值（偏置值）\(b\)

• 功能：即最后的输出结果

• 感知器改进的激活函数（阈值函数）：
  令\(W\) = \(\sum_{i=1}^{n}w_i*x_i + b\)，当\(W > 0\)，取值为\(1\)，\(W < 0\)，取值为\(-1\)

• 感知器可有：单层单神经元感知器、单层多神经元感知器、多层多神经元感知器等
  多神经元情况下分开来看，每个神经元的结构都是完整的其实

• 多层神经网络可训练函数至，输入输出与标准输入输出相等，通过不断的训练

• 单线可划分： 例如 逻辑与、逻辑或 而异或就不是单线划分问题

• 单层感知器的功能: 做线性分类
  即利用\(f = \sum_{i=1}^{n}w_i*x_i + b\)，计算出结果，将\(1\)划分为一类，\(-1\)划分为另一类，即把样本分为两类

• 几项的输入\(x\)，其实就代表了函数\(f\)在几维空间内，如\(x_1,x_2,x_3\)就使\(f\)可确定出三维空间内的一个平面

• 只要样本是线性可分的，无论维度高低，感知器一定可以做出一个线性的分类

• 多层感知器可以解决线性不可分问题，相当于画多条线把它们划分开

标签：感知器,函数,划分,算法,&&,线性,神经元,单层
来源： https://www.cnblogs.com/forward77/p/14850222.html