tan90dx

机器学习之感知器与S型神经元
什么是感知器?感受器是一种于上个世纪四十年代被发明的一种人工神经网络,其接受0个或者n个二进制输入,并产生一个二进...
扫描右侧二维码阅读全文
04
2019/04

机器学习之感知器与S型神经元

什么是感知器?

感受器是一种于上个世纪四十年代被发明的一种人工神经网络,其接受0个或者n个二进制输入,并产生一个二进制输出,其具体的工作模式如下图:
感知器
其输出为每个输入与其权重的乘积的和与阈值的关系,(在这里引入了权重的概念,权重在这里代表了与之对应的输入对于输出的重要程度),其代数关系,可用下图表示:

如果输入与权重的乘积和小于阈值,则输出0。反之,则输出1
如果你觉得上面讲的有点晦涩难懂的话,举个栗子:
我们要建立一个模型用于预测游客是否会到一个景点游玩,假设影响游客做出决定的因素有:

  • 天气好不好?
  • 景点环境是否优美?
  • 景点设施是否完善?
  • 门票价格是否合理?

我们将这四个因素作为四个二进制输入:x1,x2,x3,x4
与之对应的,有四个权重w1,w2,w3,w4,假设门票的价格对于人们决定的影响很大,而其他的三个因素关系不太大,那么我们将其权重w4设置为6,将其w1,w2,w3设置为1,假设阈值为5,那么也就是说感知器实现了根据门票价格进行预测模型,只要门票价格合理则输出1,否则,则输出0.
根据权重和阈值的不同的变化,可以得到不同的模型,倘若我们将w4调低为2,那么感知器便会结合四个因素做出决策。

上面我们所展示的是一个最简单的模型,实际上,我们可以把输入的变量看作一个特殊的感知器,其输入为0,所以其加权和总会为0,因此其会在偏置(下面会解释)为正的时候输出1,偏值为负的时候输出0。
此时的模型,便如下图所示了:

通常,我们把最左边的层称为输入层,最右边的称为输出层
中间的为隐层。
上图中的隐层只有一个,为了解决更复杂的问题,我们可以增加隐层的层数。下图便是一个隐层数目为2的模型,第二个隐层可以结合第一层的结果,做出更复杂,更抽象的决策。

前面我们提到了,感知器是单输出的,但是在图上我们可以看出,从一个神经元出来的线并不单一,但是实际上这并不矛盾,感知器仍然是单输出的,只是其输出被下一层的多个神经元使用了。

为了简化感知器的数学描述,我们可以创建将阈值移到左边,也就是令b=-阈值,b这里我们给其一个新的名词:偏置。
简化后的感知器的数学模型为:

偏置:偏置的作用在于激活感知器。

感知器的另用:实现基本的逻辑功能


博主忙,下个月蓝桥国赛,非算法类文章暂停更新咯

最后修改:2019 年 04 月 15 日 10 : 41 PM
如果觉得我的文章对你有用,请随意赞赏

发表评论