一、Rosenblatt代码:
基于理论给出代码:
二、Rosenblatt总结与讨论
感知器是一个单层神经网络,其基于误差修正学习。这里的”单层“指的是计算层由单个神经元组成用于解决两类的分类问题,为了成功实现分类,这些模式必须是线性可分的。
感知器神经元的激活函数采用的是符号函数,如果用sigmoid型来代替它,感知器会不会有更好的表现?结果表明,不管我们使用哪种激活函数,感知器稳定状态的决策特征基本不变,意思就是当感知器权值不怎么变化时,不同的激活函数的决策基本都是一致的。总之,不管使用什么样的激活函数,在收敛速度上可能会有一定的差异,但是一个单层感知器只能在线性可分模式上进行模式分类。
在20世纪80年代中期,不仅是感知器也包括一般的神经网络都被严重的怀疑,原因是由Minsky和Papert通过严谨的数学证明,证明了神经网络无法进行全局的泛化。但是历史已经证明,Minsky和Papert作出的推测是不公正的。总之感知器是一个用来对线性可分模式进行分类的精致的神经网络,其重要性不仅仅在于其历史价值,也在于其在线性可分模式分类方面的实际价值。
网友评论