感知器 (Perceptron) - 最簡單的神經網路

訊息

參考文獻

Rosenblatt 於 1958 年提出第一個神經網路模型，稱為感知器，這個模型是基於 1943 年 McCulloch 與 Pitts 所提出的神經元模型，該模型的數學公式如下。

(1)

\begin{align} Y = sign \biggl[ \sum_{i=1}^n x_i w_i - \theta \biggr] \end{align}

1. 初始化
設定權重 $$w_1, w_2, ... w_n$$ 和臨界值 $\theta $$ 的初值之範圍為 [-0.5, 0.5]。

2. 激勵
用輸入 $$x_1(p), x_2(p), ...., x_n(p)$$ , $$w_1, w_2, ... w_n$$ 與 $\theta $$ 計算感知器的輸出值 Y(p)。

(2)

\begin{align} Y(p) = step \biggl[ \sum_{i=1}^n x_i(p) w_i(p) - \theta \biggr] \end{align}

3. 權重訓練

(3)

\begin{align} w_i(p+1) = w_i(p) + \Delta w_i(p) \end{align}

(4)

\begin{align} \Delta w_i(p) = \alpha * x_i(p) * e(p) \end{align}

(5)

\begin{equation} e(p) = Y_d(p)-Y(p) \end{equation}

4. 一代一代增加 p, 重複 2-3 步驟。

感知器是最簡單的類神經網路，想要學習類神經網路的最簡單作法，正是從感知器下手。

如果您想知道感知器的程式實作方式，請參考下列文章。

page revision: 6, last edited: 19 Oct 2010 09:12