DL之Perceptron：Perceptron感知器(感知機/多層感知機/人工神經元)的簡介、原理、案例應用(相關配圖)之詳細攻略

?

?

目錄

Perceptron的簡介、原理

多層感知機

實現代碼

案例應用

---

?

?

?

?

相關文章
DL之AF：機器學習/深度學習中常用的激活函數(sigmoid、softmax等)簡介、應用、計算圖實現、代碼實現詳細攻略

Perceptron的簡介、原理

? ? ? ?感知機是由美國學者FrankRosenblatt 在1957 年提出來的，被看作為神經網絡（深度學習）的起源的算法。

• 三功能：加權，求和，激勵
• 感知機的權重在訓練過程中基于訓練數據確定。

?

? ? ? ? ?神經元會計算傳送過來的信號的總和，只有當這個總和超過了某個界限值時，才會輸出1。這也稱為“神經元被激活” 。這里將這個界限值稱為閾值，用符號θ 表示。

1、感知機來解決簡單的問題
? ? ? ?使用感知機可以表示與門、與非門、或門的邏輯電路。這里重要的一點是：與門、與非門、或門的感知機構造是一樣的。實際上，3 個門電路只有參數的值（權重和閾值）不同。也就是說，相同構造的感知機，只需通過適當地調整參數的值，就可以像“變色龍演員”表演不同的角色一樣，變身為與門、與非門、或門。

2、感知機的局限性
?? ??Perceptron ?Can not solve ?XOR problem。使用感知機可以實現與門、與非門、或門三種邏輯電路。但是無法解決異或門（XOR gate）。
XOR：僅當x1 或x2 中的一方為1 時，才會輸出1；“異或”是拒絕其他的意思。
(1)、或門：灰色區域是感知機輸出0 的區域。圖中直線可以將這4 個點正確地分開。
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?異或門：○和△表示異或門的輸出。圖中無法找到一條直線分割○和△的空間。
? 1)、實際上，感知機的絕妙之處在于它可以“疊加層”。
???
(2)、通過組合與門、與非門、或門實現異或門

多層感知機

?

?

?

實現代碼

import numpy as np import matplotlib.pyplot as plt#輸入數據 X = np.array ([ [1, 3, 3], [1, 4, 3], [1, 1, 1]]) #標簽 Y = np.array ([1, 1, -1]) #權值初始化，1行3列，取值范圍[-1,1] W = (np.random.random (3) -0.5) *2 print (W) #設置學習率、迭代次數、神經網絡基礎 lr = 0.11 n = 0 O = 0 def update():global X,Y,W,lr,n for _ in range(100):update() #更新權值#正樣本 x1=[3,4] y1=[3,3] #負樣本 x2=[1] y2=[1]#計算分界線的斜率以及截距 k=-W[1]/W[2] d=-W[0]/W[2] print('k=',k) print('d=',d)xdata=np.linspace(0,5) plt.figure() plt.plot(xdata,xdata*k+d,"r") plt.plot(x1,y1,'bo') #正樣本藍色散點表示 plt.plot(x2,y2,'yo') #負樣本藍色散點表示 plt.show()

?

案例應用

1、DL之perceptron：利用perceptron感知機對股票實現預測

2、利用Perceptron進行分類

?

相關文章
DL之Perceptron：感知機(Perceptron)的與或非案例(構建XOR)+構建神經網絡進行分類

?

?

?

總結

以上是生活随笔為你收集整理的DL之Perceptron：Perceptron感知器(感知机/多层感知机/人工神经元)的简介、原理、案例应用(相关配图)之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。