通俗理解神经网络_知感机雏形

Rosenbaltt在1957年，于Cornell航空实验室所发明的一种人工神经网络。

”神经网络“听上去名字特别高大上，以下从简单的数学原理来说明神经网络之感知机，通俗理解神经网络_知感机雏形。知感机也称神经网络的神经元。

感知机：有n个输入数据，通过权重与各数据之间的计算和，比较激活函数结果，得出输出。很容易解决与、或、非问题。（即分类问题）

已知下图四个点（0,0),(0,1),(1,0),(1,1)

• "与”问题，只有（1，1）属于一个分类，其他三个点属于不同分类。

 

 系统很容易找到f(x）来区分（1，1）与其他点不一样。此f(x)即为感知机

• "或”问题，只有（0，0）属于一个分类，其他三个点属于不同分类。

 

 系统很容易找到f(x）来区分（0，0）与其他点不一样。此f(x)即为感知机

• "异或”问题，只有（0，0）和（1，1）属于分类，（0，1），（1，0）属于另一类

此时一条线无法进行区分了，则可以通过增加感知机即可进行区分。

 

 

 

演示：http://playground.tensorflow.org/#activation=sigmoid&regularization=L2&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=3&seed=0.84062&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&showTestData_hide=true&learningRate_hide=true&regularizationRate_hide=true&percTrainData_hide=true&numHiddenLayers_hide=true&discretize_hide=true&activation_hide=true&problem_hide=true&noise_hide=true&regularization_hide=true&dataset_hide=true&batchSize_hide=true&playButton_hide=false

 

 当只有一个感知机时，明显看出只有一条直线

 

当增加两个感知机，明显看出两条直线

 

 

 当增加三个感知机，明显看出三条直线。此案例中增加三个感知机可以准确地判断点的数据。

 

 多个感知机组成，即多个神经元组成的系统，即称之为神经网络。

结论：

当分类复杂时，需要找到合适的感知机函数，且增加感知机数量来达到算法准确要求。