计算机神经网络之感知器篇.pptVIP

神经网络及其应用 10月19日 回顾 神经网络的作用？ 神经网络的要点 神经元 网络结构 学习算法 应用范围 第四章 感知器（Perceptron） 感知器神经元 分类（模式识别） 特征、特征向量和特征空间 超平面 线性可分 类（模式） 感知器网络 网络结构 （单层）前馈 学习方法 有师学习 应用 分类（两类） 在matlab中生成感知器网络 net = newp(pr,s,tf,lf) Pr：R×2阶矩阵，表示R个输入的变化范围 S：表示网络中有s个感知器 Tf：传递函数，默认为hardlim，或hardlims Lf：学习算法，默认为learnp，或learnpn 生成感知器网络的几个实例 例一：一个单输入的感知器神经元（默认设置） 例二：一个二维输入的感知器神经元（修改权值和阈值，并应用感知器判断） 例三：复原权值和阈值 例四：将权值和阈值设为随机值 感知器神经网络的学习和训练 感知器神经网络学习的几个例子 例五：learnp 例六：train函数，设置最大迭代次数 例七：learnpn，针对样本尺度相差很大的情况 感知器网络设计实例（例八） 提出问题：设计一个二输入感知器神经网络将四个向量分为两类 构建初始网络：设定网络参数 网络修正：adapt 仿真：sim 当输入向量线性不可分时，训练不会得出正确结论（例九） 用感知器实现逻辑函数 非 用感知器实现逻辑函数 或 用感知器实现逻辑函数 与 用感知器实现逻辑函数 异或 不可实现（重大影响！） 用多个感知器神经元实现大于两类的分类（例十） 有S个神经元可以实现2S个类别分类 思考题，如何实现不是2的整数次方分类 小结 如何构造感应器神经网络 如何训练感应器神经网络 如何使用感应器神经网络 感知器网络的局限性 感知器能解决哪些问题 * *