03 2013 档案

摘要：1.基本原理 神经网络里最简单的模型，就是感知器。感知器可以实现N维空间的线性划分。如二维空间，下图就是用一条直线将（0 0）分为一类，其余四点为一类。实现了与门。 如果要将以上四点划分为（0 1）（1 0）为一类，（1 1）（0 0）为一类，显然是无法用直线将其分开。如果是三维空间，就是平面划分。如果N维，即超平面。 下图为一个神经元模型，输入为pX1的向量，输出为a。感知器工作时，首要要学习，也就是对w和b进行调整。首先要有n个P向量，和一个你期望的该p向量得到的t值。w和b是不为0的随机值，训练的目的就是调整w和b的值，使e=t-a的值不断接近0。当所有样本输出的值都等于t时，学习结束。 阅读全文