神经网络第三章感知器.pptVIP

连续单层感知器的学习算法第三章：感知器3.3单层感知器的学习算法2.1.1.3如果计算得的与实际样本中所有都一样，2.1.1.1输入2.重复下列过程，直到训练完成：2.1对样本集中的每一个样本初始化权向量（一般在一定范围内取）；，重复如下过程：2.1.1.2计算2.1.1对每一个神经元i作以下操作则退出；否则wij=wij+α(yj-oj)xi第30页，共58页，星期日，2025年，2月5日1.用适当的小伪随机数初始化权矩阵W；2.初置精度控制参数ε,学习率α,精度控制变量d=ε+1；3.Whiled≥εdo3.1d=0；3.2for每个样本（X，Y）do 3.2.1输入X（X=(x1，x2，…，xn)）； 3.2.2求O=F（XW）； 3.2.3修改权矩阵W： fori=1ton，j=1tomdo wij=wij+α(yj-oj)xi； 3.2.4累积误差 forj=1tomdo d=d+(yj-oj)2连续单层感知器的学习算法第三章：感知器3.3单层感知器的学习算法第31页，共58页，星期日，2025年，2月5日1、程序实现:ε、α、d、i、j、n、m为简单变量来表示，W为n行m列的二维数组。样本集(X,Y)是二维数组。2、Minsky在1969年证明，有许多基本问题是感知器无法解决的。3、很难从样本数据集直接看出问题是否线性可分。4、未能证明，一个感知器究竟需要经过多少步才能完成训练。连续单层感知器的学习算法第三章：感知器3.3单层感知器的学习算法第32页，共58页，星期日，2025年，2月5日第三章：感知器3.4单层感知器网络的局限性结论1：单个感知器不能对线性不可分问题实现两类分类。结论2：单层感知器不能对线性不可分问题实现两类分类。第33页，共58页，星期日，2025年，2月5日第三章：感知器3.4单层感知器网络的局限性从前面的结论：“单层感知器不能对线性不可分问题实现分类。”可以看出单层感知器是有局限性的。第34页，共58页，星期日，2025年，2月5日变量函数及其值xyf1f2f3f4f5f6f7f8f9f10f11f12f13f14f15f16000000000011111111010000111100001111100011001100110011110101010101010101第三章：感知器3.4单层感知器网络的局限性单层感知器的二维分类能力如下表：第35页，共58页，星期日，2025年，2月5日第三章：感知器3.4单层感知器网络的局限性单层感知器的高维分类能力如下表：R.O.Windner1960年自变量个数函数的个数线性可分函数的个数144216143256104465,536188254.3*10994,57261.8*10195,028,134第36页，共58页，星期日，2025年，2月5日用多个单级网组合在一起，并用其中的一个去综合其它单级网的结果，我们就可以构成一个两级网络，该网络可以被用来在平面上划分出一个封闭或者开放的凸域来一个非凸域可以拆分成多个凸域。按照这一思路，三级网将会更一般一些，我们可以用它去识别出一些非凸域来。第三章：感知器3.5多层感知器的设计方法第37页，共58页，星期日，2025年，2月5日当wij=1,θ=1，右图可实现“与”运算，当wij=1,θ=n，右图可实现“或”运算，第三章：感知器3.5多层感知器的设计方法本章第三节中讨论了单层的感知器网络，本章第四节中指出了单层感知神经网络的局限性，如果要实现非线性数据分类，有必要构造多层感知器网络。第38页，共58页，星期日，2025年，2月5日第三章：感知器3.5多层感知器的设计方法例100u1u2yW1=-1,1;-11θ1=0.5;-0.5W2=1,1θ2=1.5第39页，共58页，星期日，2025年，2月5日例3.1：假设某压力设备的正常与不正常运行状态是由设备内部的压力P和温度T决定的。当P和T位于图3.1的阴影部分（包括边界）时设备运行正常，否则该设备不正常。问能否用感知器网络来实现该设备运行状态的识别（即运行正常与运行不正常的分类）。P（Mpa）T