人工智障:神经网络入门-传统感知模型(McCulloch-Pitts与Rosenblatt感知模型)

本文主要是介绍人工智障:神经网络入门-传统感知模型(McCulloch-Pitts与Rosenblatt感知模型),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

有道云笔记持续更新:

文档:1.函数感知器.note
链接:http://note.youdao.com/noteshare?id=1b26a31ef01fac6ecf0b147f66511807&sub=32BBDE8AD2384ED79A62B1A94E57F36C

McCulloch-Pitts模型

        

 神经元细胞图

        输入信号通过树突(自变量)进入神经元,再通过轴突(因变量)输出结果。如果输入只有一个,那么对应的输出也只有一个,也就是一元函数。但是往往一个问题需要考虑多个方面,我们可以用下面的图来表示多个方面的问题;

McCullon-Pitts模型示意图

        可以将直觉看作一个多元函数,即 Y = X1*W1 + X2*W2 + X3*W3 + ... + Xn*Wn ;

        其中,X为问题的自变量,W为该自变量所占的权值;在该模型中,权值W是提前设置好的,这样做显然存在问题。当W设置的值不合理的时候,感知是无法做到准确。如何去这只这个W呢?

Rosenblatt感知模型

        为了将“直观的直觉”转换为“现实认知”,在McCullon-Pitts模型的基础上,让神经元自己调整权值W。

 

 Rosenblatt模型示意图

t为了让我们更好地理解模型,我们想在将模型简化为一个变量。

模型的算法步骤如下:

1.根据一个输入得到 y,用 标准值 - y = 误差;

2.将 W1 = W1+误差,再执行 步骤1 ;

这便是Rosenblatt模型的学习过程。当然它还需要处理一下细节问题。

当输入X为负数时

当输入为负,如果仍然用(W = W+误差)来调整W,那么调整后的结果将会越来越远离我们的标准结果;所以我们引入了 W = W + X*误差;这样就巧妙得避免了这个问题;

当W调整过大时

W调整也是有变化幅度的,如果W的变化幅度过大,那么可能会使计算的结果在标准结果上来回跳跃;所以我们引入了 W = W + X * 误差 * alpha

感知器收敛定理的证明

        如果要验证这个模型的正确性,即我们需要去证明其结果是否收敛,是否有结果;下面是其收敛性的证明,图片来源于:Ele实验室

梯度下降和反向传播

这篇关于人工智障:神经网络入门-传统感知模型(McCulloch-Pitts与Rosenblatt感知模型)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/255199

相关文章

从入门到精通MySQL联合查询

《从入门到精通MySQL联合查询》:本文主要介绍从入门到精通MySQL联合查询,本文通过实例代码给大家介绍的非常详细,需要的朋友可以参考下... 目录摘要1. 多表联合查询时mysql内部原理2. 内连接3. 外连接4. 自连接5. 子查询6. 合并查询7. 插入查询结果摘要前面我们学习了数据库设计时要满

从入门到精通C++11 <chrono> 库特性

《从入门到精通C++11<chrono>库特性》chrono库是C++11中一个非常强大和实用的库,它为时间处理提供了丰富的功能和类型安全的接口,通过本文的介绍,我们了解了chrono库的基本概念... 目录一、引言1.1 为什么需要<chrono>库1.2<chrono>库的基本概念二、时间段(Durat

解析C++11 static_assert及与Boost库的关联从入门到精通

《解析C++11static_assert及与Boost库的关联从入门到精通》static_assert是C++中强大的编译时验证工具,它能够在编译阶段拦截不符合预期的类型或值,增强代码的健壮性,通... 目录一、背景知识:传统断言方法的局限性1.1 assert宏1.2 #error指令1.3 第三方解决

从入门到精通MySQL 数据库索引(实战案例)

《从入门到精通MySQL数据库索引(实战案例)》索引是数据库的目录,提升查询速度,主要类型包括BTree、Hash、全文、空间索引,需根据场景选择,建议用于高频查询、关联字段、排序等,避免重复率高或... 目录一、索引是什么?能干嘛?核心作用:二、索引的 4 种主要类型(附通俗例子)1. BTree 索引(

Redis 配置文件使用建议redis.conf 从入门到实战

《Redis配置文件使用建议redis.conf从入门到实战》Redis配置方式包括配置文件、命令行参数、运行时CONFIG命令,支持动态修改参数及持久化,常用项涉及端口、绑定、内存策略等,版本8... 目录一、Redis.conf 是什么?二、命令行方式传参(适用于测试)三、运行时动态修改配置(不重启服务

MySQL DQL从入门到精通

《MySQLDQL从入门到精通》通过DQL,我们可以从数据库中检索出所需的数据,进行各种复杂的数据分析和处理,本文将深入探讨MySQLDQL的各个方面,帮助你全面掌握这一重要技能,感兴趣的朋友跟随小... 目录一、DQL 基础:SELECT 语句入门二、数据过滤:WHERE 子句的使用三、结果排序:ORDE

详解如何使用Python从零开始构建文本统计模型

《详解如何使用Python从零开始构建文本统计模型》在自然语言处理领域,词汇表构建是文本预处理的关键环节,本文通过Python代码实践,演示如何从原始文本中提取多尺度特征,并通过动态调整机制构建更精确... 目录一、项目背景与核心思想二、核心代码解析1. 数据加载与预处理2. 多尺度字符统计3. 统计结果可

Python中OpenCV与Matplotlib的图像操作入门指南

《Python中OpenCV与Matplotlib的图像操作入门指南》:本文主要介绍Python中OpenCV与Matplotlib的图像操作指南,本文通过实例代码给大家介绍的非常详细,对大家的学... 目录一、环境准备二、图像的基本操作1. 图像读取、显示与保存 使用OpenCV操作2. 像素级操作3.

SpringBoot整合Sa-Token实现RBAC权限模型的过程解析

《SpringBoot整合Sa-Token实现RBAC权限模型的过程解析》:本文主要介绍SpringBoot整合Sa-Token实现RBAC权限模型的过程解析,本文给大家介绍的非常详细,对大家的学... 目录前言一、基础概念1.1 RBAC模型核心概念1.2 Sa-Token核心功能1.3 环境准备二、表结

POI从入门到实战轻松完成EasyExcel使用及Excel导入导出功能

《POI从入门到实战轻松完成EasyExcel使用及Excel导入导出功能》ApachePOI是一个流行的Java库,用于处理MicrosoftOffice格式文件,提供丰富API来创建、读取和修改O... 目录前言:Apache POIEasyPoiEasyExcel一、EasyExcel1.1、核心特性