zoukankan      html  css  js  c++  java
  • 感知器神经网络

    1.单层感知器网络

    单层感知器神经网络,即只有一层处理单元的感知器,其结构如下图

    该种网络通常采用符号函数sgn(x)作为变换函数.

    只有一个计算机点的单层感知器网络就是M-P模型,该网络具有分类功能,其分类原理是将分类知识存储在感知器的权向量中,由权向量确定的分类判决界面w1jx1+w2jx2+...+wnjxn-Tj=0将输入分为两类。

    该网络通常使用离散型感知器学习规则,即ΔWj=η*(dj-oj)X。如果输入样本线性可分,无论感知器的初始权值为何值,经过有限次学习后,总能得到一个稳定的权向量,该权向量确定的超平面能将两类样本正确分开。

    (2)多层感知器网络

         单层感知器网络只能解决线性可分问题,而大量的问题是线性不可分的。多层感知器网络在输入层和输出层之间引入了隐含层,输出层节点以隐含层节点的输出作为输入。只有一层隐含层的多层感知器网络拓扑图如下:

    多层感知器网络从理论上,可以解决线性不可分的问题。Kolmogorov理论指出,双隐含层感知器网络足以解决任何复杂的分类问题。

  • 相关阅读:
    NOIP2002字串变换[BFS]
    NOIP2000单词接龙[DFS]
    NOIP2003传染病控制[按层DFS]
    NOIP1999邮票面值设计[搜索|DP]
    USACO1.1Broken Necklace[环状DP作死]
    洛谷P1120小木棍[DFS]
    NOIP2000进制转换
    Miller-Rabin素数快速检测
    【数论算法理论与实现】
    洛谷P1141 01迷宫
  • 原文地址:https://www.cnblogs.com/cloudml/p/4170436.html
Copyright © 2011-2022 走看看