2.2_单层感知器模型与学习算法.pptVIP

智能中国网提供学习支持 * 线上方的样本用*表示，它们使netj0，从而使输出为1；线下方的样本用o表示，它们使netj0，从而使输出为-1，见图3.3。显然，由感知器权值和阈值确定的直线方程规定了分界线在样本空间的位置，从而也确定了如何将输入样本分为两类。假如分界线的初始位置不能将*类样本同o类样本正确分开，改变权值和阈值，分界线也会随之改变，因此总可以将其调整到正确分类的位置。 2.2感知器神经网络模型与学习算法 * 2.2.1单层感知器 概述 由美国学者Rosenblatt在1957年首次提出 学习算法是Rosenblatt在1958年提出的 包含一个突触权值可调的神经元 属于前向神经网络类型 只能区分线性可分的模式 IEEE设立以其名字命名的奖项 * 2.2.1单层感知器 单层感知器模型 f(v) x1 · · · · · · b y=f(v) x2 xi w1 xm w2 wm wi * 2.2.1单层感知器 单层感知器工作原理 单层感知器可将外部输入分为两类。当感知器的输出为+1时，输入属于 类，当感知器的输出为-1时，输入属于 类，从而实现两类目标的识别。在二维空间，单层感知器进行模式识别的判决超平面由下式决定： * 2.2.1单层感知器 单层感知器工作原理 对于只有两个输入的判别边界是直线（如下式所示）,选择合适