本文介绍Rosenblatt感知器模型，一种用于线性可分模式分类的基本神经网络。感知器由单一神经元构成，通过调整突触权重实现模式分类。Rosenblatt证明了当输入模式来自两个线性可分类别时，感知器算法能够收敛。
Rosenblatt感知器
感知器是用于线性可分模式（模式分别位于超平面两边）分类的最简单的神经网络模型，基本上由一个具有可调突触权值和偏置的神经元组成。
Rosenblatt证明了当用来训练感知器的模式（向量）取自两个线性可分的类时，感知器算法是收敛的，并且决策面是位于两类之间的超平面。算法的收敛性称为感知器收敛定理。
更多关于神经网络笔记见我的专栏：神经网络与机器学习笔记
扫一扫
评论 6
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
