第三章前馈神经网络.ppt

第三章 前馈神经网络 本章主要介绍最常用的两种前馈网络: BP (Back Propagation)神经网络和径向基函数神经网络，以及它的前身感知器、自适应线性单元。 3.1.1感知器模型 3.1.2感知器的功能 感知器的功能（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 wij x1+w2j x2 +w3j x3– Tj = 0 x1 = a x2 +b x3 +c 3.1.2感知器的功能 例 用感知器实现逻辑“与”功能 例 用感知器实现逻辑“或”功能 关键问题就是求 3.1.3感知器的学习 Perceptron(感知器)学习规则 3.1.3感知器的学习 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。 3.1.4单层感知器的局限性 问题：能否用感知器解决如下问题？ 3.1.4单层感知器的局限性 无法解决“异或”问题 只能解决线性可分问题 3.1