第04講感知器.ppt

1、第04屆的Perceptron，zouben，是美國計(jì)算機(jī)科學(xué)家羅森布拉特在1957年寫的。單層傳感器神經(jīng)元模型圖：圖41傳感器神經(jīng)元模型，F(xiàn).Roseblatt證明，如果兩種類型的模式可以線性分離(如果有區(qū)分它們的超平面)，算法將收斂。插座特別適用于簡(jiǎn)單的模式分類問題，也可以用于基于模式分類的學(xué)習(xí)控制。本節(jié)所說的概念是單層概念。多層網(wǎng)絡(luò)都被分類為反向波網(wǎng)絡(luò)，因?yàn)樗褂蒙院髮⒔榻B的反向波方法修改權(quán)重。41根據(jù)傳感器網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)，可以創(chuàng)建第I輸出神經(jīng)元(i1，2，s)的加權(quán)輸入和ni及其輸出ai。傳感器輸出值通過測(cè)試權(quán)重輸入和值是否在閾值函數(shù)的左側(cè)和右側(cè)進(jìn)行分類，如圖43所示。42插座的圖

2、形解釋通過插座的網(wǎng)絡(luò)結(jié)構(gòu)表明，插座的基本功能是將輸入矢量轉(zhuǎn)換為0或1的輸出。此功能可以通過塊矢量空間的映射來解釋。傳感器權(quán)重參數(shù)旨在根據(jù)學(xué)習(xí)規(guī)律設(shè)計(jì)W*P B0的軌跡，以區(qū)分輸入矢量所需的位置。例如，在輸入向量R2中，通過由w1、w2和b組成的傳感器，可以在包含w1、w2和b的w1和p2的輸入平面上繪制W*P bw1 P1 10w2 10b0的軌跡，其中，w1和p2分別包含水平坐標(biāo)和垂直坐標(biāo)。當(dāng)直線上的所有P1、p2、p2值等于w1 P1 10w2 p2 10b0時(shí)，此軌跡通過配置為w1、w2和b的傳感器輸出。吳宣儀下一部分中的點(diǎn)將插座的輸出歸零。因此，在徐璐預(yù)期將其他輸入向量輸出為0或1的分

3、類中，在輸入空間中形成輸入向量的徐璐知道其他點(diǎn)的位置的設(shè)計(jì)傳感器的權(quán)重W和b被放置在W*P B0的線適當(dāng)?shù)奈恢?，因此，根?jù)所需的輸出值，將輸入向量上下分類。圖44輸入水平坐標(biāo)中有問題的向量平面圖，輸入用于計(jì)算新加權(quán)矩陣w和新偏差b的算法43傳感器的學(xué)習(xí)規(guī)則。識(shí)別器使用學(xué)習(xí)規(guī)則調(diào)整網(wǎng)絡(luò)的權(quán)重，使網(wǎng)絡(luò)對(duì)塊向量的響應(yīng)達(dá)到數(shù)字0或1的目標(biāo)輸出。輸入向量p、輸出向量a和目標(biāo)向量為t的傳感器網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則如下：如果第I神經(jīng)元的輸出正確，即如果有aiti，連接到第I神經(jīng)元的加權(quán)wij和偏差bi將保持不變。如果I神經(jīng)元的輸出為0，但輸出為1，則有ai0，如果有ti1，則權(quán)重修正算法是新權(quán)重wij將塊向量pj與

4、舊權(quán)重wij相加。同樣，新偏差bi是舊偏差bi加上輸入1。如果I神經(jīng)元的輸出為1，但輸出為0，也就是說，如果有ai1，有ti0，那么加權(quán)修正算法就是新加權(quán)wij減去舊加權(quán)wij減去輸入向量pj。同樣，新偏差bi是舊偏差bi減去1。傳感器學(xué)習(xí)規(guī)則的本質(zhì)是權(quán)重的變化量等于正負(fù)輸入向量。所有I和j、il、2、s；J1、2、r、傳感器修改權(quán)重公式為：上述用于修改傳感器權(quán)重的學(xué)習(xí)算法已將子程序編譯到MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中名為1 earrnp.m的函數(shù)中。您只需直接調(diào)用此函數(shù)，即可立即獲得權(quán)重的修改量。此函數(shù)需要的塊變量為輸入、輸出和目標(biāo)矢量：p、a和t。調(diào)用命令為dW，dBlearnp(P，a，t

5、)。(4-5)，44網(wǎng)絡(luò)的培訓(xùn)，插座的培訓(xùn)課程如下：輸入向量p計(jì)算網(wǎng)絡(luò)的實(shí)際輸出a，將其與相應(yīng)的目標(biāo)向量t進(jìn)行比較，以確定a等于t，然后使用比較的誤差量，根據(jù)學(xué)習(xí)規(guī)則進(jìn)行權(quán)重和偏差調(diào)整。重新計(jì)算以新權(quán)重工作的網(wǎng)絡(luò)的輸入，重復(fù)權(quán)重曹征過程，直到網(wǎng)絡(luò)的輸出a等于目標(biāo)向量t或培訓(xùn)數(shù)達(dá)到預(yù)設(shè)的最大值。，傳感器設(shè)計(jì)培訓(xùn)階段可概括為：1)對(duì)于要解決的問題，確定輸入向量p、目標(biāo)向量t，確定每個(gè)向量的維數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)大小的神經(jīng)元數(shù)(r，s，q；2)初始化參數(shù)：a)從任意非零初始值(l，1)指定給權(quán)重向量w；b)最大訓(xùn)練周期數(shù)max _ epoch中選擇所需的構(gòu)件。3)網(wǎng)絡(luò)表達(dá)式：基于塊矢量p和最新加權(quán)矢量w計(jì)算

6、網(wǎng)絡(luò)輸出矢量a。4)檢查：確保輸出矢量a等于目標(biāo)矢量t?；蛘?，如果達(dá)到最大循環(huán)數(shù)，則培訓(xùn)結(jié)束，否則轉(zhuǎn)至5。5)學(xué)習(xí)：根據(jù)學(xué)習(xí)規(guī)則調(diào)整權(quán)重向量，并返回3。4 .5傳感器神經(jīng)網(wǎng)絡(luò)應(yīng)用的局限性，第一，傳感器輸出只能取0或1。其次，單層攔截器只能對(duì)線性可分離向量集進(jìn)行分類。4 .6傳感器神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)實(shí)例41考慮簡(jiǎn)單的分類問題設(shè)計(jì)將二維的四組輸入矢量分為兩類的傳感器。輸入向量為p-0.5-0.5 0.3 0。-0 . 5 0 . 5-0 . 5 1；目標(biāo)向量是使用傳感器神經(jīng)網(wǎng)絡(luò)解決問題的t 1.0 l.0，代數(shù)解，如圖45所示。對(duì)于單層網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸入神經(jīng)元數(shù)r和輸出神經(jīng)元數(shù)s分別由輸入矢量p和目標(biāo)矢量t唯一確定。網(wǎng)絡(luò)的加權(quán)矩陣維數(shù)為Wsr，Bs1加權(quán)總和為sr，偏差數(shù)為s。確定網(wǎng)絡(luò)結(jié)構(gòu)并設(shè)置最大循環(huán)數(shù)和加權(quán)初始值后，設(shè)計(jì)人員可以輕松地利用MATLAB，通過問題和概念的學(xué)習(xí)和課程編寫自己的程序。練習(xí)Percepl.m和percep2.m，47操作，多個(gè)神經(jīng)元分類，也稱為模式聯(lián)想。分類輸入和輸出抽樣，例如：要求畫最后的線性圖。48感知器的限制