2023學年完整公開課版簡單感知機_第1頁
2023學年完整公開課版簡單感知機_第2頁
2023學年完整公開課版簡單感知機_第3頁
2023學年完整公開課版簡單感知機_第4頁
2023學年完整公開課版簡單感知機_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

簡單感知主講：馮宇健機簡單感知機感知機（perceptron）是二分類的線性分類模型，輸入為實例的特征向量，輸出為實例的類別（取+1和-1）。感知機對應于輸入空間中將實例劃分為兩類的分離超平面。感知機旨在求出該超平面，為求得超平面導入了基于誤分類的損失函數(shù)，利用梯度下降法對損失函數(shù)進行最優(yōu)化（最優(yōu)化）。感知機的學習算法具有簡單而易于實現(xiàn)的優(yōu)點，分為原始形式和對偶形式。感知機預測是用學習得到的感知機模型對新的實例進行預測的，因此屬于判別模型。感知機由Rosenblatt于1957年提出的，是神經(jīng)網(wǎng)絡和支持向量機的基礎。簡單感知機簡單感知器由一個線性組合器和硬限幅器（即sgn函數(shù)，判斷是正數(shù)返回1，負數(shù)返回-1）組成，線性組合器有m個輸入，m個輸入權值，一個偏置，圖像表述如下簡單感知機感知機的組成：

輸入信號源：x1,x2

輸出信號：y

每個信號的權重：w1,w2感知機如何處理這些信息：

信號匯總：y=x1w1+x2w2

信號判斷：y與閾值比較

感知機的多個輸入信號都有各自固有的權重，這些權重發(fā)揮著控制各個信號的重要性的作用。也就是說，權重越大，對應該權重的信號的重要性就越高。簡單感知機感知機學習算法：既然我們的目標是將T中所有的樣本點正確地分類，那么對于某個(w,b)，先看一下它在哪些點上分類失敗了。由前面所述：如果有某個點(Xi,yi)，使得yi(w*Xi)<0，則稱超平面w*X對該點分類失敗。采用所有誤分類的點到超平面的距離

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論