感知器vol.2
线性分类不能分隔非线性的边界,可以用多个超平面来取代单个超平面

如图简单示意合并两个超平面对数据进行分类
对hyperplane A和B的输出zA和zB,计算
以0为临界值

取h+1个神经元可以构成一个multi-linear classifier,其中h个hyperplane作边界分割,1个作为h个hyperplane的混合器
用不同的方式将神经元组合在一起,所形成的感知器就叫做 multi-layer perceptron (MLP)

xi是点X输入的各方向的坐标,yi是第一层的输出,z是整个感知器的输出,vi,j是从xi到yj的系数,wi是从yi到z的系数,由此我们得到一个MLP模型
MLP learning
多层的学习方式和单层类似:
每次取单点计算Error并通过改变hyperplane来降低error,并重复该过程
我们将两层的系数分别计为vb,a和wb,通过这两个系数的偏导数来减小eout
下面的表达式中v的下标b,a,b
下面的表达式中v的下标b,a,b