李亚非老师的神经网络教程汇编.pptVIP

2 感知器模型 感知器是一种早期的神经网络模型，由美国学者F.Rosenblatt于1957年提出.感知器中第一次引入了学习的概念，使人脑所具备的学习功能在基于符号处理的数学到了一定程度的模拟，所以引起了广泛的关注。 简单感知器 简单感知器模型实际上仍然是MP模型的结构，但是它通过采用监督学习来逐步增强模式划分的能力，达到所谓学习的目的。 其结构如下图所示 感知器处理单元对n个输入进行加权和操作v即： 其中，Wi为第i个输入到处理单元的连接权值θ为阈值。 f取阶跃函数. 感知器在形式上与MP模型差不多，它们之间的区别在于神经元间连接权的变化。感知器的连接权定义为可变的，这样感知器就被赋予了学习的特性。 利用简单感知器可以实现逻辑代数中的一些运算。 Y=f(w1x1+w2x2-θ) (1)“与”运算。当取w1＝w2＝1，θ＝1.5时，上式完成逻辑“与”的运算。 (2)“或”运算， 当取wl＝w2＝1， θ ＝0.5时，上式完成逻辑“或”的运算。 (3)“非”运算， 当取wl=-1，w2＝0， θ ＝-1时．完成逻辑“非”的运算。 与许多代数方程一样，上式中不等式具有一定的几何意义。对于一个两输入的简单感知器，每个输入取值为0和1，如上面结出的逻辑运算，所有输入样本有四个，记为(