神經(jīng)網(wǎng)絡(luò)感知機(jī)ppt課件(參考版)
2025-01-08 15:34本頁面
【正文】 局限： ?所以在 1969年， Minsky和 Papert發(fā)表了名為 Perceptron的專著 , 書中指出 ,這樣的簡單的線性感知器的功能非常有限，使得隨后的研究處于低潮。 舉例：用感知機(jī)實現(xiàn)“與”的功能 感知機(jī)只能對線性可分離的模式進(jìn)行正確的分類。 40 輸入矢量平面圖 w的解并不唯一，能把兩類分開即可 由于網(wǎng)絡(luò)是以 w1x1+w2x2+……+ θ=0為分界線的，這可以看成一直線或一超平面。 38 以輸入矢量 r＝ 2為例，對于選定的權(quán)值 w w2和 b，可以在以 p1和 p2分別作為橫、縱坐標(biāo)的輸入平面內(nèi)畫出W*P+b＝ w1 p1十 w2 p2十 b＝ 0的軌跡，它是一條直線，此直線上的及其線以上部分的所有 p p2值均使 w1 p1十 w2 p2十 b＞ 0，這些點若通過由 w w2和 b構(gòu)成的感知器則使其輸出為 1；該直線以下部分的點則使感知器的輸出為 0。這一功能可以通過在輸人矢量空間里的作圖來加以解釋。 ? figure(3)。%%%%%%仿真 ? a1 ? if all(a==t),disp(‘It works!’)； ? e=ta1。 ? 0 1 0 1] ? t=[0 0 0 1] ? [w1,b1]=initp(p,t) %初始化 ? [w1,b1,epoches,errors]=trainp(w1,b1,p,t,[1])； %訓(xùn)練 ? %%%%%%%%%%計算完畢 ? figure(2)。 ? disp(‘Itworks!’)。 ?Train函數(shù)完成每一步訓(xùn)練后 ,返回新的網(wǎng)絡(luò)權(quán)值和閾值 ,并顯示已完成的訓(xùn)練步數(shù) ep及誤差 te 35 ?仿真： simup ?注意 :使用 trainp函數(shù)并不能保證感知器網(wǎng)絡(luò)在取訓(xùn)練所得到的權(quán)值和閾值時就可以順利達(dá)到要求 ,因此 ,訓(xùn)練完成后，最好要驗證一下 : ? a=simup[p,w,b]。 ? end ? end ? end ? y 33 ?初始化： initp ?訓(xùn)練： trainp ?仿真： simup 初始化： initp 可自動產(chǎn)生 [1,1]區(qū)間中的隨機(jī)初始權(quán)值和閾值 , 例 : ? [w,b]=initp(2,8) 或 [w,b]=initp(p,t) 34 ?訓(xùn)練： ?trainp 感知器網(wǎng)絡(luò)學(xué)習(xí)和仿真的過程 ?tp=[disp_freq max_epoch]。 ? for j=1:N ? for i=1:L ? if(NETi(i,j)=b(i)) ? y(i,j)=1。 ? NETi=Wij*X1。求下列成績的評定結(jié)果。 ?θ(t+1)= θ(t)+( E(t))2 返回 3 ?若 E(t)滿足要求則結(jié)束。 ??????????????????? ????niiiniiii utfutfty01)()()( ?????? ???? ??iinii uus ,1,00設(shè)???????0,00,1)(sssfyp29 ?４）調(diào)整權(quán)值和閾值 ?（ 1）求 ei(t)=di
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1