在之前的文章中有介绍过感知器,自适应线性神经网络(Adaptive Linear Neuron,Adaline)是在Frank Rosenblatt提取感知器算法之后的几年,Bernard Widrow和Tedd Hoff提出的Adaline算法,它是对感知器算法的改进。它的核心思想是通过对代价函数做最小优化,这也是机器学习算法的核心思想,以及之后的逻辑斯蒂回归、支持向量机等都采用了这种思想。Adeline算法更新权重的规则是通过一个联系的线性激励函数来完成的,而之前的感知器算法是通过单位阶跃函数(在0处不连续),这是两种算法最主要的区别。线性激励函数在更新权重的同时,我们使用量化器对类标进行预测,这里所使用的量化器其实也是一个单位阶跃函数,量化器的使用是在训练好模型之后,通过量化器来预测类标。
python实现自适应线性感知器算法
最新推荐文章于 2023-09-07 00:50:11 发布
