人工神经网络3感知机网络ppt课件.ppt
《人工神经网络3感知机网络ppt课件.ppt》由会员分享,可在线阅读,更多相关《人工神经网络3感知机网络ppt课件.ppt(40页珍藏版)》请在三一文库上搜索。
1、1,人工神经网络 (Artifical Neural Network),张 凯 副教授,武汉科技大学 计算机学院,2,第三章 感知机网络,1. 研究背景,2. 学习规则,3. 感知机结构,4. 感知机学习规则,学习规则,学习规则 所谓学习规则就是修改神经网络的权值和偏置值的方法和过程(也称这种过程是训练算法)。学习规则的目的是为了训练网络来完成某些工作。 大致可以将其分为三大类:,学习规则,有监督学习(有导师学习) 提供一组能代表网络行为的实例集合(训练集)。 增强学习(半监督学习) 仅提供一个级别(或评分),作为网络在某些输入序列上的性能测度。 无监督学习(无导师学习) 学习仅根据网络的输入
2、来学会将输入模式分类(聚类)。,(输入,目标输出),感知机的结构,感知机的结构,首先考虑如下权值矩阵,第i个行向量定义为,权值矩阵W重写为,感知机的结构,传输函数,由于hardlim传输函数的定义是,传输函数,所以,如果权值矩阵的第i个行向量与输入向量的内积大于等于-bi,该输出为1,否则输出为0。因此网络中的每个神经元将输入空间划分为两个区域。,单个神经元感知机,该网络的输出由下式所决定,单个神经元感知机,判定边界由那些使得净输入n为零的输入向量确定,为了使该实例更加具体,现将权值和偏置值设置为,那么判定边界是,定义了一条直线。为了画这条直线,必须找到该直线穿过轴p1和p2的点。,单个神经元
3、感知机工作原理,为了确定边界的哪一边对应的输出为1,我们只需检测输入空间的一个点。对于输入p=2 0T,网络的输出为,所以,对于判定边界右上方的区域网络输出为1。在图中用阴影表示该区域。另外,也可用图解的方法找到该网络相应的判定边界。必须注意的是该边界与1w垂直,判定边界, 所有在判定边界上的点与权向量的内积相同。 这些点一定是在一条与权向量垂直的线上。,例子 “与(AND)”,下面将运用上述一些概念设计出能够实现“与门”逻辑功能的感知机网络。与门的输入/目标对为,该图依据输入向量的目标显示输入空间。目标值为1的输入向量用黑色圆圈 表示,而目标值为0的输入向量用空心圆圈 表示。,例子 “与(A
4、ND)”,“与”的解答(图解法),设计的第一步是选择一个判定边界。选择一个判定边界,把两类模式向量分割在两个区。能够实现这种划分的边界有无穷多个。合理的选择是判定边界易于确定,且处于这两类模式向量的间隔正中。,“与”的解答(图解法), 选择与判定边界垂直的权向量,该权向量可以是任意长度向量,它同样有无穷多个。这里选择:,“与”的解答(图解法),最后,为了求解偏置值b,可以从判定边界上选取一个满足式子的点。,如果选p=1.5 0T代入,有:,“与”的解答(图解法),现在可以通过选择上述的输入/目标对来对网络进行测试。如果选择p2作为网络的输入,则输出为,感知机学习规则,为满足给定的训练样本:,设
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 神经网络 感知 网络 ppt 课件
链接地址:https://www.31doc.com/p-2584285.html