神经网络与感知机探究.pptx

感知器; 感知器在神经网络发展的历史上占据着特殊的位置：它是第一个从算法上完整描述的神经网络。它的发明者F.Roseblatt是一位美国计算机科学家和心理学家。感知器于1957年提出，感知器可谓是最早的人工神经网络。 在20世纪60年代和70年代，受感知器的启发，工程师，物理学家以及数学家们纷纷投身于神经网络各个不同方面的研究。更值得一提的是，尽管在1985年F.Roseblatt关于感知器的论文就首次发表了，单层感知器正在今天依然是有效的。;二，概念。 ;三，网络模型结构 ;四，结构分析 ; ; ;单层感知器学习算法思想 基于迭代的思想，通常是采用误差校正学习规则的学习算法。 可以将偏置作为神经元权值向量的第一个分量加到权值向量中,也可以设其值为0 输入向量和权值向量可分别写成如下的形式： 令上式等于零，可得到在维空间的单层感知器???判别超平面。 ;单层感知器学习算法 第一步,设置变量和参量。 为激活函数, 为网络实际输出， 为期望输出， 为学习速率， 为迭代次数， 为实际输出与期望输出的误差。 第二步,初始化 给权值向量 的各个分量赋一个较小的随机非零值，置 第三步,输入一组样本 ，并给出 它的期望输出。 第四步,计算实际输出: 第五步,求出期望输出和实际输出求出差 根据误差判断目前输出是否满足条件，一般为对所有样本误差为零或者均小于预设的值，则算法结束，否则将值增加1，并用下式调整权值： 然后转到第三步，进入下一轮计算过程 ;五：局限性 ; ; ; ; ; ; ;一：发展历史 ; ;二：基本概念 ;三：基本数学模型 ; ; ;四：学习方式 ;五：特点 ; ;七：典型的神经网络模型 ;六：应用