人工神经网络03感知机网络.pptVIP

构造学习规则 已有规则 构造学习规则 该感知机最终可以对上述三个输入向量进行正确的分类。 构造学习规则 三个模式现在都正确分类了 第三条规则：如果感知机能够正确工作，则不用改变权值向量： 下面是涵盖了实际输出值和目标输出值所有可能组合的三条规则： 统一的学习规则 可以将上述三条规则统一成一个表达式 将上式中的p用偏置值的输入1替换，得到感知机的偏置值学习规则： 多神经元感知机 给出的感知机规则，修改单神经元感知机的权值向量。我们能把这个规则按照如下方法推广到多神经元感知机。权值矩阵的第i行用下式进行修改： 多神经元感知机 矩阵表示： 收敛性证明 证明是建立在下面三条假设基础上的： (1)问题的解存在； (2)仅在输入被错分时才改变权值； (3)输入向量的长度(模)的上界存在。 证明的思路： 若问题的解存在，则感知机学习规则必迭代有限次 就可收敛。 感知机的局限性 解决不了线性不可分问题 线性判定边界 感知机的局限性 异或(XOR) 逻辑运算为例 解决不了线性不可分问题 * * * 武汉科技大学 * 人工神经网络(Artifical Neural Network) 张　凯 副教授 武汉科技大学 计算机学院 * 第三章 感知机网络 1. 研究背景 2. 学习规则 3. 感知机结构 4. 感知机学习规则 学习规则 学习规则 所谓学习规则就是修改神经网络