DL之Perceptron:Perceptron感知器(感知机/多层感知机/人工神经元)的简介、原理、案例应用(相关配图)之详细攻略
DL之Perceptron:Perceptron感知器(感知机/多层感知机/人工神经元)的简介、原理、案例应用(相关配图)之详细攻略
目录
Perceptron的简介、原理
多层感知机
实现代码
案例应用
相关文章
DL之AF:机器学习/深度学习中常用的激活函数(sigmoid、softmax等)简介、应用、计算图实现、代码实现详细攻略
Perceptron的简介、原理
感知机是由美国学者FrankRosenblatt 在1957 年提出来的,被看作为神经网络(深度学习)的起源的算法。
- 三功能:加权,求和,激励
- 感知机的权重在训练过程中基于训练数据确定。
神经元会计算传送过来的信号的总和,只有当这个总和超过了某个界限值时,才会输出1。这也称为“神经元被激活” 。这里将这个界限值称为阈值,用符号θ 表示。
1、感知机来解决简单的问题
使用感知机可以表示与门、与非门、或门的逻辑电路。这里重要的一点是:与门、与非门、或门的感知机构造是一样的。实际上,3 个门电路只有参数的值(权重和阈值)不同。也就是说,相同构造的感知机,只需通过适当地调整参数的值,就可以像“变色龙演员”表演不同的角色一样,变身为与门、与非门、或门。
2、感知机的局限性
Perceptron Can not solve XOR problem。使用感知机可以实现与门、与非门、或门三种逻辑电路。但是无法解决异或门(XOR gate)。
XOR:仅当x1 或x2 中的一方为1 时,才会输出1;“异或”是拒绝其他的意思。
(1)、或门:灰色区域是感知机输出0 的区域。图中直线可以将这4 个点正确地分开。
异或门:○和△表示异或门的输出。图中无法找到一条直线分割○和△的空间。
1)、实际上,感知机的绝妙之处在于它可以“叠加层”。
(2)、通过组合与门、与非门、或门实现异或门
多层感知机
实现代码
import numpy as np
import matplotlib.pyplot as plt#输入数据
X = np.array ([ [1, 3, 3], [1, 4, 3], [1, 1, 1]])
#标签
Y = np.array ([1, 1, -1])
#权值初始化,1行3列,取值范围[-1,1]
W = (np.random.random (3) -0.5) *2
print (W)
#设置学习率、迭代次数、神经网络基础
lr = 0.11
n = 0
O = 0
def update():global X,Y,W,lr,n for _ in range(100):update() #更新权值#正样本
x1=[3,4]
y1=[3,3]
#负样本
x2=[1]
y2=[1]#计算分界线的斜率以及截距
k=-W[1]/W[2]
d=-W[0]/W[2]
print('k=',k)
print('d=',d)xdata=np.linspace(0,5)
plt.figure()
plt.plot(xdata,xdata*k+d,"r")
plt.plot(x1,y1,'bo') #正样本蓝色散点表示
plt.plot(x2,y2,'yo') #负样本蓝色散点表示
plt.show()
案例应用
1、DL之perceptron:利用perceptron感知机对股票实现预测
2、利用Perceptron进行分类
相关文章
DL之Perceptron:感知机(Perceptron)的与或非案例(构建XOR)+构建神经网络进行分类
DL之Perceptron:Perceptron感知器(感知机/多层感知机/人工神经元)的简介、原理、案例应用(相关配图)之详细攻略相关推荐
- DL框架之DL4J/Deeplearning4j:深度学习框架DL4J/Deeplearning4j的简介、安装、使用方法之详细攻略
DL框架之DL4J/Deeplearning4j:深度学习框架DL4J/Deeplearning4j的简介.安装.使用方法之详细攻略 目录 深度学习框架Deeplearning4j的简介 1.Deep ...
- DL之paddlepaddle:百度深度学习框架paddlepaddle飞桨的简介、安装、使用方法之详细攻略
DL之paddlepaddle:百度深度学习框架paddlepaddle飞桨的简介.安装.使用方法之详细攻略 目录 paddlepaddle百度深度学习框架的简介 1.飞桨全景图与四大领先技术 2.丰 ...
- DL框架之PyTorch:深度学习框架PyTorch的简介、安装、使用方法之详细攻略
DL框架之PyTorch:PyTorch的简介.安装.使用方法之详细攻略 DL框架之PyTorch:深度学习框架PyTorch的简介.安装.使用方法之详细攻略 目录 PyTorch的简介 1.pyto ...
- ML之DL:机器学习领域发展最快的分支【深度学习】的发展史及其重要性节点之详细攻略
ML之DL:机器学习领域发展最快的分支[深度学习]的发展史及其重要性节点之详细攻略 目录 [深度学习]的发展历史及其重要性节点
- DL框架之TensorFlow:深度学习框架TensorFlow Core(低级别TensorFlow API)的简介、安装、使用方法之详细攻略
DL框架之TensorFlow:TensorFlow Core(低级别TensorFlow API)的简介.安装.使用方法之详细DL框架之TensorFlow:深度学习框架TensorFlow Cor ...
- ML/DL之预测分析类:利用机器学习算法进行预测分析的简介、分析、代码实现之详细攻略
ML/DL之预测分析类:利用机器学习算法进行预测分析的简介.分析.代码实现之详细攻略 目录 机器学习算法进行预测的简介 机器学习算法进行预测的分析 机器学习算法进行预测的代码实现 机器学习算法进行预测 ...
- DL框架之darknet:深度学习框架darknet的简介、安装、使用方法的详细攻略
DL框架之darknet:深度学习框架darknet的简介.安装.使用方法的详细攻略 目录 darknet的简介 darknet的安装 darknet的使用方法 1.YOLO: Real-Time O ...
- DL框架之Tensorflow:深度学习框架Tensorflow的简介、安装、使用方法之详细攻略
DL框架之Tensorflow:深度学习框架Tensorflow的简介.安装.使用方法之详细攻略 目录 Tensorflow的简介 1.描述 2.TensorFlow的六大特征 3.了解Tensorf ...
- DL之Attention:Attention注意力机制算法的起源与盛行及其长距离有效的原因、概述(背景/本质/与ED框架关系/架构/优缺点/扩展,理解,本质,变种)、案例应用(CV/NLP)之详细攻略
DL之Attention:Attention注意力机制算法的起源与盛行及其长距离有效的原因.概述(背景/本质/与ED框架关系/架构/优缺点/扩展,理解,本质,变种).案例应用(CV/NLP)之详细攻略 ...
最新文章
- mysql数据库的系统操作基本操作
- schema约束文档与xml文件详解
- 【TensorFlow篇】--Tensorflow框架实现SoftMax模型识别手写数字集
- leetcode 861. 翻转矩阵后的得分(贪心算法)
- 2021年香水品牌社媒营销分析报告
- 你的企业离DevOps转型成功,就差这“七步法”路线图
- LY.JAVA面向对象编程.形式参数和返回值
- 如何理解 MySQL 中的 = 操作符?
- Quartus JIC 焼写
- jvm学习--类加载器
- 八段锦是一种不错的养生运动
- Xcap使用教程--创建、发送和分析报文
- 微型计算机常常采用三种线结构,2016年河海大学929地理信息系统之地理信息系统概论考研复试题库...
- 用Python画出奥运五环图 (Python经典编程案例)
- 电池BMS软件架构设计和电池安全标准及测试
- Android肝帝战纪之ObjectBox移动数据库框架探究与实现
- graylog+kafka+zookeeper(单机测试及源码),graylog测试用例及源码(三)
- PTA:修理牧场(哈夫曼算法)
- 老司机 iOS 周报 #65 | 2019-04-29
- 机器人关节模组的总结归纳