人工神经元网络
时间 2021-01-12
标签
神经网络
感知器
BP
MLP
引言
- LaTeX不熟练多为图片。
- 图片多为SWUST模式识别课程李小霞老师课件。
1、前馈(forward)网络
与线性分类器的关系
- 线性分类器
g(x)=wTx+w0=w1x1+w2x2+...+w0
- 感知器模型
y=sgn(i=1∑nwi−θ)
- 自学习,逐步修正,优化。
- 感知器学习算法(perceptron)
(1)初始化
(2)迭代
w(t)={w(t−1)分对w(t−1)+ηy(t)x(t)分错
η:控制收敛速度的参数
- 局限:两类样本,线性分类。
激活函数
f为连续(可微)
$f$ #$不换行公式$ $$换行公式$$
f(x)=1+e−ax1
2、多层感知器(Multi-Layer Perceptron,MLP)
异或问题(XOR)的解决
单层感知器无法解决“异或”问题
<div align=center>居中内容</div> #图片居中代码
![第二步](https://img-blog.csdnimg.cn/20181027143516715.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZiXzk0MTIxOQ==,size_27,color_FFFFFF,t_70) 今天网速...太慢了,晚上继续写。 $$ \heartsuit $$