第04講感知器.ppt

1、第04屆的Perceptron，zouben，是美國計算機科學家羅森布拉特在1957年寫的。單層傳感器神經(jīng)元模型圖：圖41傳感器神經(jīng)元模型，F(xiàn).Roseblatt證明，如果兩種類型的模式可以線性分離(如果有區(qū)分它們的超平面)，算法將收斂。插座特別適用于簡單的模式分類問題，也可以用于基于模式分類的學習控制。本節(jié)所說的概念是單層概念。多層網(wǎng)絡都被分類為反向波網(wǎng)絡，因為它使用稍后將介紹的反向波方法修改權重。41根據(jù)傳感器網(wǎng)絡結構，網(wǎng)絡結構，可以創(chuàng)建第I輸出神經(jīng)元(i1，2，s)的加權輸入和ni及其輸出ai。傳感器輸出值通過測試權重輸入和值是否在閾值函數(shù)的左側(cè)和右側(cè)進行分類，如圖43所示。42插座的圖

2、形解釋通過插座的網(wǎng)絡結構表明，插座的基本功能是將輸入矢量轉(zhuǎn)換為0或1的輸出。此功能可以通過塊矢量空間的映射來解釋。傳感器權重參數(shù)旨在根據(jù)學習規(guī)律設計W*P B0的軌跡，以區(qū)分輸入矢量所需的位置。例如，在輸入向量R2中，通過由w1、w2和b組成的傳感器，可以在包含w1、w2和b的w1和p2的輸入平面上繪制W*P bw1 P1 10w2 10b0的軌跡，其中，w1和p2分別包含水平坐標和垂直坐標。當直線上的所有P1、p2、p2值等于w1 P1 10w2 p2 10b0時，此軌跡通過配置為w1、w2和b的傳感器輸出。吳宣儀下一部分中的點將插座的輸出歸零。因此，在徐璐預期將其他輸入向量輸出為0或1的分

3、類中，在輸入空間中形成輸入向量的徐璐知道其他點的位置的設計傳感器的權重W和b被放置在W*P B0的線適當?shù)奈恢?，因此，根?jù)所需的輸出值，將輸入向量上下分類。圖44輸入水平坐標中有問題的向量平面圖，輸入用于計算新加權矩陣w和新偏差b的算法43傳感器的學習規(guī)則。識別器使用學習規(guī)則調(diào)整網(wǎng)絡的權重，使網(wǎng)絡對塊向量的響應達到數(shù)字0或1的目標輸出。輸入向量p、輸出向量a和目標向量為t的傳感器網(wǎng)絡的學習規(guī)則如下：如果第I神經(jīng)元的輸出正確，即如果有aiti，連接到第I神經(jīng)元的加權wij和偏差bi將保持不變。如果I神經(jīng)元的輸出為0，但輸出為1，則有ai0，如果有ti1，則權重修正算法是新權重wij將塊向量pj與

4、舊權重wij相加。同樣，新偏差bi是舊偏差bi加上輸入1。如果I神經(jīng)元的輸出為1，但輸出為0，也就是說，如果有ai1，有ti0，那么加權修正算法就是新加權wij減去舊加權wij減去輸入向量pj。同樣，新偏差bi是舊偏差bi減去1。傳感器學習規(guī)則的本質(zhì)是權重的變化量等于正負輸入向量。所有I和j、il、2、s；J1、2、r、傳感器修改權重公式為：上述用于修改傳感器權重的學習算法已將子程序編譯到MATLAB神經(jīng)網(wǎng)絡工具箱中名為1 earrnp.m的函數(shù)中。您只需直接調(diào)用此函數(shù)，即可立即獲得權重的修改量。此函數(shù)需要的塊變量為輸入、輸出和目標矢量：p、a和t。調(diào)用命令為dW，dBlearnp(P，a，t

5、)。(4-5)，44網(wǎng)絡的培訓，插座的培訓課程如下：輸入向量p計算網(wǎng)絡的實際輸出a，將其與相應的目標向量t進行比較，以確定a等于t，然后使用比較的誤差量，根據(jù)學習規(guī)則進行權重和偏差調(diào)整。重新計算以新權重工作的網(wǎng)絡的輸入，重復權重曹征過程，直到網(wǎng)絡的輸出a等于目標向量t或培訓數(shù)達到預設的最大值。，傳感器設計培訓階段可概括為：1)對于要解決的問題，確定輸入向量p、目標向量t，確定每個向量的維數(shù)和網(wǎng)絡結構大小的神經(jīng)元數(shù)(r，s，q；2)初始化參數(shù)：a)從任意非零初始值(l，1)指定給權重向量w；b)最大訓練周期數(shù)max _ epoch中選擇所需的構件。3)網(wǎng)絡表達式：基于塊矢量p和最新加權矢量w計算

6、網(wǎng)絡輸出矢量a。4)檢查：確保輸出矢量a等于目標矢量t?；蛘?，如果達到最大循環(huán)數(shù)，則培訓結束，否則轉(zhuǎn)至5。5)學習：根據(jù)學習規(guī)則調(diào)整權重向量，并返回3。4 .5傳感器神經(jīng)網(wǎng)絡應用的局限性，第一，傳感器輸出只能取0或1。其次，單層攔截器只能對線性可分離向量集進行分類。4 .6傳感器神經(jīng)網(wǎng)絡設計實例41考慮簡單的分類問題設計將二維的四組輸入矢量分為兩類的傳感器。輸入向量為p-0.5-0.5 0.3 0。-0 . 5 0 . 5-0 . 5 1；目標向量是使用傳感器神經(jīng)網(wǎng)絡解決問題的t 1.0 l.0，代數(shù)解，如圖45所示。對于單層網(wǎng)絡，網(wǎng)絡的輸入神經(jīng)元數(shù)r和輸出神經(jīng)元數(shù)s分別由輸入矢量p和目標矢量t唯一確定。網(wǎng)絡的加權矩陣維數(shù)為Wsr，Bs1加權總和為sr，偏差數(shù)為s。確定網(wǎng)絡結構并設置最大循環(huán)數(shù)和加權初始值后，設計人員可以輕松地利用MATLAB，通過問題和概念的學習和課程編寫自己的程序。練習Percepl.m和percep2.m，47操作，多個神經(jīng)元分類，也稱為模式聯(lián)想。分類輸入和輸出抽樣，例如：要求畫最后的線性圖。48感知器的限制