标签：输出 5.2 阈值 多层 学习 感知机 wi 神经元

5.2 感知机和多层网络

• 感知机（perception）由两层神经元组成，如图5.3所示，输入层接受外界输入信号后传递给输出层，输出层是M-P神经元，亦称为“阈值逻辑单元“
  

• 感知机能够容易的实现逻辑 AND OR NOT，注意到 y = f（求和wixi - 谁他i），假设f是图5.2的阶跃函数，有

  • AND x1 ∩ x2 w1=w2=1 谁他=2，此时1*1+1*1-2 =0，此时y=1
  • OR x1 或 x2 w1=w2=1 谁他=1 只要有一个1，那么结果就是大于等于0，此时 y=1
  • NOT 非x1 w1 =-0.6，w2= 0，谁他 =-0.5，如果x1 =0，结果为0.5 y=1； 如果x1=1 ，结果为 -0.1 结果为0

• 更加一般的，给定训练数据集，权重wi（i=1，2，3，n）以及阈值谁他可以通过学习得到，阈值谁他可以看作是一个固定输入为 -1.0 的哑节点所对应连接权重w n+1，这样权重和阈值的学习就可以统一为权重的学习。感知机学习规则非常的简单，对于训练样例（x，y），当感知机输入为y_hat，则感知机将这样调整

  • wi

    标签：输出,5.2,阈值,多层,学习,感知机,wi,神经元
    来源： https://blog.csdn.net/weixin_44412864/article/details/113765900

    本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
    2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
    3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
    4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
    5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。