《人工神经网络:模型、算法及应用》- 课件-第2章-感知机.pptx

《人工神经网络:模型、算法及应用》- 课件-第2章-感知机.pptx

人工神经网络: 模型、算法及应用本课程的主要内容第1章 绪论 第2章 感知机第3章 多层前馈神经网络 第4章 正则化理论 第5章 极限学习机模型及应用 第6章 形态神经网络 第7章 自组织映射 第8章 卷积神经网络模型及应用 第9章 生成对抗网络模型第10章 长短时记忆网络第11章 模糊神经网络参考书目何春梅,人工神经网络:模型、算法及应用,电子工业出版社。第2章 感知机2.1 Rosenblatt感知机 2.1.1 感知机的结构 2.1.2 感知机与多层感知机 2.1.3 感知机的学习2.2 最小均方误差 2.2.1 线性回归问题引入 2.2.2 最小均方算法2.3 实战iris模式分类2.1.1 感知机的结构输入权值:一个感知机可以接收多个输入,每个输入上有一个权值,此外还有一个偏置。激活函数:感知机的激活函数有多种选择,例如上一章中介绍的阶跃函数、sigmoid函数等等。输出:感知机的输出为2.1.2 感知机与多层感知机单层感知机:解决简单的线性可分问题,仅含输入和输出层。多层感知机:可以解决非线性可分问题,除了输入和输出层还包含一个以上的隐藏层。2.1.3 感知机的学习?学习步骤:(1)对各权值赋予较小的非零随机数;(2)输入样本对,其中,N为样本的总个数;(3)计算各节点的实际输出,例如,w和x分别表示网络权值和输入的样本向量;(4)利用公式(2.5)和公式

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档