- 1、本文档共52页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
单层感知器的结构如下图 … x1 x2 xn … y1 ym 输入层 输出层 权值 wij 输入向量为X=(x1,x2,…,xn); 输出向量为Y=(y1,y2,…,ym); 输入层各个输入到相应神经元的连接权值分别是wij,i=1,2,..,n,j=1,2,.., m。 若假设各神经元的阈值分别是θj,j=1,2,…,m,则各神经元的输出yj, j=1,2,..,m分别为 其中,由所有连接权值wji构成的连接权值矩阵W为: 在实际应用中,该矩阵是通过大量的训练示例学习而形成的 感知器模型 单层 感知器(2/7) 使用感知器的主要目的是为了对外部输入进行分类。 罗森勃拉特已经证明,如果外部输入是线性可分的(指存在一个超平面可以将它们分开),则单层感知器一定能够把它划分为两类。其判别超平面由如下判别式确定: 感知器模型 单层感知器(3/7) 作为例子,下面讨论用单个感知器实现逻辑运算的问题。事实上,单层感知器可以很好地实现“与”、“或”、“非”运算,但却不能解决“异或”问题。 例: “与”运算(x1∧x2) (0,0) (1,1) (0,1) (1,0) 与运算问题图示 输入 输出 超平面 阈值条件 x1 x2 x1∧x2 w1*x1+ w2* x2-θ=0 0 0 0 w1*0+ w2*0 -θ<0 θ>0 0 1 0 w1*0+ w2*1 -θ<0 θ>w2 1 0 0 w1*1+ w2*0 -θ<0 θ>w1 1 1 1 w1*1+ w2*1-θ≥0 θ≤w1+ w2 可以证明此表有解,例如取w1=1,w2=1,θ=1.5,其分类结果如右图所示。 其中,输出为1的用实心圆,输出为0的用空心圆。后面约定相同。 感知器模型 单层感知器(4/7) * 例:“或”运算(x1∨x2) 输入 输出 超平面 阈值条件 x1 x2 x1∨x2 w1*x1+ w2* x2-θ=0 0 0 0 w1*0+ w2*0 -θ<0 θ>0 0 1 1 w1*0+ w2*1 -θ≥0 θ≤w2 1 0 1 w1*1+ w2*0 -θ≥0 θ≤w1 1 1 1 w1*1+ w2*1-θ≥0 θ≤w1+ w2 此表也有解,例如取w1=1,w2=1,θ=0.5,其分类结果如右图所示。 (0,1) (0,0) (1,0) 或运算问题图示 (1,1) 感知器模型 单层感知器(5/7) 例: “非”运算(?x1) 输入 输出 超平面 阈值条件 x1 ?x1 w1*x1-θ=0 0 1 w1*0 -θ ≥ 0 θ≤0 1 0 w1*1 –θ0 θ w1 此表也有解,例如取w1=-1,θ=-0.5,其分类结果如右图所示。 非运算问题图示 0 1 感知器模型 单层感知器(6/7) * 例4.4 “异或”运算(x1 XOR x2) 输入 输出 超平面 阈值条件 x1 x2 x1 XOR x2 w1*x1+ w2* x2-θ=0 0 0 0 w1*0+ w2*0 -θ<0 θ>0 0 1 1 w1*0+ w2*1 -θ≥0 θ≤w2 1 0 1 w1*1+ w2*0 -θ≥0 θ≤w1 1 1 0 w1*1+ w2*1-θ0 θw1+ w2 此表无解,即无法找到满足条件的w1、w2和θ,如右图所示。因为异或问题是一个非线性可分问题,需要用多层感知器来解决。 (0,1) (0,0) (1,0) 异或运算问题图示 (1,1) 感知器模型 单层感知器(7/7) 使用感知器的主要目的是为了对外部输入进行分类。 单层感知器可以很好地实现“与”、“或”、“非”运算,但却不能解决“异或”问题。 单层感知器的输出层的每个神经元都只有一个输出,且该输出仅与本神经元的输入及联接权值有关,而与其他神经元无关。 感知器模型 多层感知器 是通过在单层感知器的输入、输出层之间加入一层或多层处理单元所构成的。 与多层前馈网络相似,差别在于其计算节点的连接权值是可变的。 拓扑结构: 输入与输出 高度非线性的映射关系 感知器模型 多层感知器 误差反向传播(Error Back Propagation)网络 简称为BP网络,是由美国加州大学的鲁梅尔哈特和麦克莱兰于1985年提出的一种网络模型。 y1 y2 ym x1 x2 xn 输出层 隐含层 输入层 权可调 权可调 … … … 一个多层BP网络的结构 BP网络模型 模型结构 在BP网络中,同层节点之间不存在相互连接,层与层之间多采用全互连方式,且各层的连接权值可调。BP网络
您可能关注的文档
- 高中地理教师全员培训:高中地理课程改革动态、问题与思考课件(北京师范大学地理学院)(共183张).ppt
- 我的课件--食品生物技术--第二章 基因工程与食品产业.ppt
- 污水处理站管理制度新.doc
- 无机化学(天津大学第四版答案).doc
- 2017执法资格考试备考建议.pptx
- 高中生物第一节课的.ppt
- 2017职称计算机Excel2007实操模拟题.ppt
- 高中生物学业水平考试 命题与组卷.ppt
- 五年级教科版《渔童》课件.pptx
- 2017职称评审材料说明会.ppt
- 2024年奥瑞金分析报告:金属包装拐点已至,盈利能力持续改善.pdf
- 2024年特种电子树脂企业组织架构部门职能和业务流程.docx
- 2024年川仪股份分析报告:国产工业自动化仪器仪表领先企业.pdf
- 2024年品牌终端形象展示企业组织架构部门职能和业务流程.docx
- 2024年汽车行业剖析:阿维塔入股引望,加速智能化落地,夯实高端化定位.pdf
- 2024年重组胶原蛋白原料化妆品企业组织架构部门职能和业务流程.docx
- 2024年通信行业:“合成数据+强化学习”-大模型进化的新范式.pdf
- 2024年中煤能源分析报告:低估值央煤,高分红与高成长潜力足.pdf
- 2023年铜陵有色分析报告:米拉多铜矿注入开启发展新篇章.pdf
- 2024年盛邦安全分析报告:深化安全细分赛道,守护网络空间安全.pdf
最近下载
- 7《短歌行》《归园田居(其一)》 对比联读 教学设计 2024-2025学年统编版高中语文必修上册.docx
- 沪教版 七年级(上)数学 秋季课程 第4讲 整式的乘法(解析版).doc VIP
- 2024年萍乡卫生职业学院单招职业适应性测试模拟试题及答案解析.docx
- 生物 生命活动的主要承担者——蛋白质 专题练习.doc VIP
- 《摩登时代》-公开课件(设计).ppt VIP
- A7-10-制冷系统部件的检修.pdf
- Unit 2 I think that mooncakes are delicious! Section A(Grammar Focus-4c) 课件-九上英语.pptx VIP
- 2024年萍乡卫生职业学院单招职业技能测试题库及答案解析.docx VIP
- 父母借用子女名义购房协议书.doc
- 团体操花球串词.doc
文档评论(0)