第三章_感知器.pptVIP

2003-2-4 第3章 感知器 主要内容： 感知器与人工神经网络的早期发展； 线性可分问题与线性不可分问题； Hebb学习律 感知器的训练算法。 重点：感知器的结构、表达能力、学习算法 难点：感知器的表达能力 第3章 感知器 3.1 感知器与人工神经网络的早期发展 3.2 感知器的学习算法 3.2.1离散单输出感知器训练算法 3.2.2离散多输出感知器训练算法 3.2.3 连续多输出感知器训练算法 3.3 线性不可分问题 3.3.1 异或(Exclusive –OR)问题 3.3.2 线性不可分问题的克服 3.1 感知器与ANN的早期发展 3.1 感知器与ANN的早期发展 1962年，Rosenblatt宣布：人工神经网络可以学会它能表示的任何东西 3.2感知器的学习算法 感知器的学习是有导师学习 感知器的训练算法的基本原理：著名的Hebb学习律 基本思想：逐步地将样本集中的样本输入到网络中,根据输出结果和理想输出之间的差别来调整网络中的权矩阵 。 3.2.1离散单输出感知器训练算法 二值网络：自变量及其函数的值、向量分量的值只取0和1函数、向量。 权向量：W=（w1，w2，…，wn） 输入向量：X=（x1，x2，…，xn） 训练样本集： {（X，Y）|Y为输入向量X对应的输出} 算法3-1离散单输出感知器训练算法 3.2.2离散多输出感知器训练