本文介绍了前向型神经网络的基础，包括M-P模型及其特点，如多输入单输出、非线性和阈值效应。讨论了感知机模型的结构，特别是其线性可分性和学习算法，展示了如何通过实例学习权值和阈值，以实现分类。感知机在处理线性可分问题时有效，但对线性不可分问题则需要更复杂的网络结构。
前向型神经网络（Feedforward Neural Networks）
M-P模型
- n个输入，n个权值， θ \theta θ为阈值
- S = ∑ i = 1 n w i x i − θ S=\sum_{i=1}^n{w_ix_i-\theta} S=∑i=1nwixi−θ， φ ( ⋅ ) \varphi(·) φ(⋅)为非线性函数
- 输出为： y = φ ( S ) = φ ( ∑ i = 1 n w i x i − θ ) y=\varphi(S)=\varphi(\sum_{i=1}^n{w_ix_i-\theta}) y=φ(S)=φ(∑i=1nwixi−θ)
-
在M-P模型中，激活函数 φ ( ) \varphi() φ()一般为：
φ ( s ) = U ( s ) = { 1 , s ≥ 0 0 , s < 0 \varphi(s)=U(s)=\begin{cases}1,&s\ge0\\0,&s<0\end{cases} φ(s)=U(s)={
最低0.47元/天 解锁文章
扫一扫
2356
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
