4 Artificial neural networks (Perceptrons)
发布时间
阅读量：
阅读量
4.感知器 本文将介绍如何利用神经网络解决这一模式识别问题。
当商贩存储水果时需要对水果进行分类处理我们采用一种分类装置来处理所有种类的水果该装置能够根据以下三个关键特征对水果进行初步筛选这些特征包括：形状质地与重量。为了量化这些特征我们进行了如下定义（此处使用了不同的表达方式并未改变原意）：（①圆形物体赋值为+1椭圆物体赋值为-②表面光滑的物体赋值为+1表面粗糙的物体赋值为-③重量超过一磅的物体赋值为+否则赋值为-）。基于此标准我们可以计算出不同类型的水果对应的特征向量例如对于橘子其特征向量p₁可表示为[−¹ ¹ −¹]'而苹果的例子则可以表示为其对应的特征向量p₂=[−¹ ¹ −¹]'由此可见对于每一个待分析的样本神经网络系统都会接收一个三维空间中的坐标点来进行进一步的数据处理
4.1 介绍两输入单神经元感知机结构
假设权重参数w₁₁=-¹且w₁₂=¹时，则输入信号经过计算后得到激活值a等于hard lims函数作用于线性组合n的结果：a=\text{hard lims}(n)=\text{hard lims}([-¹ \; ¹] \cdot p + b)；其中若输入值a大于等于零时输出值为+¹；若输入值a小于零则输出值为-¹。
还没有任何评论哟~