第三章感知器分解.pptVIP

第三章 前馈神经网络 3.1单层感知器 3.2多层感知器 3 前馈神经网络 3.1.1感知器模型 3.1.1感知器模型 3.1.2感知器的功能 （1）输入是二维 wij x1+w2j x2 – Tj = 0 wij x1 = Tj - w2j x2 x1 = (Tj -w2j x2) / wij = - ( w2j/ wij ) x2 +Tj / wij = a x2 +c 感知器的功能（二维） 3.1.2感知器的功能 3.1.2感知器的功能 （2）输入是三维 wij x1+w2j x2 +w3j x3– Tj = 0 x1 = a x2 +b x3 +c 3.1.2感知器的功能 3.1.2感知器的功能 3.1.4感知器的学习 关键问题就是求 3.1.4感知器的学习算法 Perceptron(感知器)学习规则 3.1.4感知器的学习算法 Perceptron Rule 感知器学习规则的训练步骤： （1）权值初始化 （2）输入样本对 （3）计算输出 （4）根据感知器学习规则调整权值 （5）返回到步骤(2)输入下一对样本，周而复始直到对所有样本，感知器的实际输出与期望输出相等。 Perceptron Classification 3.1.3单层感知器的局限性 问题：能否用感知器解决如下问题？ 3.