计算智能学习1_感知机原理_水果生熟分类器_matlab实现

感知机（Perceptron）原理

单层感知机是最早使用的，也是最简单的神经网络结构，由一个或多个线性阈值单元组成。

单层感知机模型：

线性阈值单元：

在生物神经网络中，每个神经元（neuron）与其他神经元连接，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某个神经元的电位已经超过一个阈值，那么它就会被激活。

输入x是一个n维实数矢量，权W也是一个n维实数 矢量，阈值θ是一个实数，而输出y是一个二值变量。

综合在一起得：

作为最原始、最简单的神经网络结构，单层感知机是很多其他网络结构的基本单元(人工神经元）。

感知机能容易的实现逻辑与、或、非运算。






感知机不能拟合XOR函数，它只能产生线性分割面

多层感知机可以解决此问题

感知机算法

感知机只有输出层神经元进行激活函数处理，即只拥有一层功能神经元（functional neuron），其学习能力非常有限。

实验部分 matlab实现

小实验一：分析水果是生是熟

一、需求分析

自己设计数据进行感知机的测试,并进行一个小实验一，测试提取的图片是生的还是熟的，进行数据分类。

二、概要设计

1.感知神经网络的构建

1.1 生成网络

net=newp([-1 1],1) %单输入，输入值为[-1,1]之间的数

1.2 网络仿真

net.IW{1,1}
net.b{1}
%权重，net.IW{i