zoukankan      html  css  js  c++  java
  • 神经网络与人工智能No1Rosenblatt感知器(笔记版)

         直入正题,首先要确定的是Rosenblatt感知器的应用范围是线性可分模型(通俗的讲就是在N维空间中存在一个超平面可以将整个模型一分为二)其作用就是分类,由一个具有可调突触权值和偏置的神经元组成。
    模式:事务的标准样式。
    感知器:感知器模型(神经元)+感知器算法(收敛)。
    建立在一个神经元上的感知器只能完成两类的模式分类,扩展多个神经元可完成多类的模式分类。
    Rosenblatt感知器算法的终极目的M维空间上求出一个完美的决策面将在M维空间上的所有点分成两类。
    为了使感知器正常工作,两个类别必须线性可分,否则即超出了感知器的计算能力。如下图:
    xianxingkefenbukefen

    权值自适应的算法如下:
    quanzhijisuangongshi

  • 相关阅读:
    Vue Router基础
    Bootstrap4入门
    React性能优化
    Koa,React和socket.io
    RN-进阶
    RN-入门基础
    RN-环境配置
    React高级指引
    React基础概念
    实现A-Z滑动检索菜单
  • 原文地址:https://www.cnblogs.com/summeney/p/4451975.html
Copyright © 2011-2022 走看看