隐层及输入层连接权值学习算法为-Read.pptVIP

第2章 典型神经网络 2.1 单神经元网络 §2.2 感知器 (perceptron) 感知器是一种非常特殊的神经网络，它在人工神经网络的发展历史上有着非常重要的地位，尽管它的能力非常有限，只能用于线性分类。 我们以单层感知器来说明： 两个输入 x1 和 x2 。 一个阀值 θ 两个待调整的权值W1和W2 决策函数为 样本集分别属于2类。 很显然，正确分割这两类样本的直线 方程为d(z)=0具体的算法如下，用于确定wi和θ 随机给定一组连接权ωi(k), i= 0，1，2。K=0，表示初始值。 任取其中一个样本 为期望的输出值，或者是期望的函数决策值。 按下式调整连接权?0为学习率 在样本集中另选一个样本，并置k+1?k，重复steps (2)-(4) until 为什么？表示此时的d(x)已能正确分类，∴无须修改。这里介绍的感知器，由于只有一层，故而其分类能力非常有限，不能处理XOR问题。 所以在1969年，Minsky和Papert发表了名为Perceptron的专著, 书中指出,这样的简单的线性感知器的功能非常有限，使得随后的研究处于低潮。 2.2.2 BP网络结构 含一个隐含层的BP网络结构如图7-5所示，图中 为输入层神经元， 为隐层神经元， 为输出