第五讲从感知器算法到机器学习演示文稿_第1页
第五讲从感知器算法到机器学习演示文稿_第2页
第五讲从感知器算法到机器学习演示文稿_第3页
第五讲从感知器算法到机器学习演示文稿_第4页
第五讲从感知器算法到机器学习演示文稿_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第五讲从感知器算法到机器学习演示文稿当前第1页\共有13页\编于星期五\9点优选第五讲从感知器算法到机器学习当前第2页\共有13页\编于星期五\9点当前第3页\共有13页\编于星期五\9点当前第4页\共有13页\编于星期五\9点当前第5页\共有13页\编于星期五\9点§5.2M-P模型1943年，McCulloch和Pitts提出了一种神经元模型：其中输入向量为：权值向量为：神经元的输入/输出关系为：当前第6页\共有13页\编于星期五\9点§5.3构造人工神经网络的基本要素（1）神经元的激励函数（输入/输出特性）（2）网络的拓扑结构（3）确定权值的方法——学习算法当前第7页\共有13页\编于星期五\9点§5.4感知器算法原理（1）历史背景

1958年,FrankRosenblatt提出了感知机(Perceptron)。史称第一个机器学习模型。标志着对学习过程进行数学研究的开端。（2）单个神经元的的感知机利用McCulloch和Pitts神经元模型，选激励函数为：令则当前第8页\共有13页\编于星期五\9点（3）感知器学习算法（学习规则）

Step1，随机初始化权值和域值

Step2，在样本集合或中任选一个类属已知的样本作为感知器的输入，计算其实际输出

Step3，对Step2中所得输出结果进行甄别检验，若分类正确，则不需要进行权值调整，若分类出错，则按Step4中的算式进行权值调整。（可见，感知过程是一个有错必改的过程。）

当前第9页\共有13页\编于星期五\9点Step4，设n0为当前迭代次数，则权值调整算式为

其中为类属标志的期望输出，为学习率。Step5，重新从已知类属的样本集合或中选取另一样本进行学习，即重复Step2至Step

5，直到对于所有i=1，2，…,(n+1),恒有

则学习过程结束，权值调整完毕。

当前第10页\共有13页\编于星期五\9点§5.5感知器分类的示例当前第11页\共有13页\编于星期五\9点练习题设有4个训练样本分属两个不同的类别:试用感知器算法求出其分类判决函数.当前第12页\共有13页\编于星期五\9点§5.6局限性和功能的扩展感知器学习算法的局限性

只能胜任线性分类,不具备直接的非线性分类功能。进一步的功能扩

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论