3.3-多层感知器引入_第1页
3.3-多层感知器引入_第2页
3.3-多层感知器引入_第3页
3.3-多层感知器引入_第4页
3.3-多层感知器引入_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

神经网络理论及应用：多层感知器引入吴静珠

北京工商大学计算机与人工智能学院单层感知器局限性2026/10/11BTBU-CIE2“异或”的真值表x1 x2 y 0 0 0 0 1 1 1 0 1

1 1 0单层感知器无法解决“异或”问题！！多层感知器：提出动因2026/10/11BTBU-CIE3单计算层感知器对“非线性”分类问题无能为力，但大量问题是非线性的；因此在输入层与输出层之间引入隐层作为输入模式的“内部表示”，将单计算层感知器变成多（计算）层感知器。多层感知器：能否解决“异或”问题2026/10/11BTBU-CIE4“异或”问题分类“异或”的真值表x1x2 y1y2o

00 11001 10 110 01 111 110“异或”问题转化多层感知器：分类边界2026/10/11BTBU-CIE5隐层中节点的作用：输入样本为二维时，隐层中每个节点确定了二维平面上的一条分界线。多条直线经输出节点组合后会构成各种形状的凸域。通过训练调整凸域的形状，可将两类线性不可分样本分为域内和域外。多层感知器：分类边界2026/10/11BTBU-CIE6来源于richard@UCTS多层感知器：分类边界2026/10/11BTBU-CIE7Kolmogorov理论指出：双隐层感知器足以解决任何复杂的分类问题。该结论已经过严格的数学证明。单隐层节点数量增加－－－－－－任意形状的凸域第二个隐层中的每个节点确定一个凸域各种凸域经输出层节点组合后成为上图中的任意形状双隐层的分类能力比单隐层大大提高。多层感知器：分类边界2026/10/11BTBU-CIE8多层感知器：小结2026/10/11BTBU-CIE9简单的感知器只能求解线性问题，多层感知器可以求解非线性问题，但对隐层神经元的学习规则尚无所知。其权值调整量取决于感知器期望输出与实际输出之差，即对于各隐层节点来说，不存在期望输出，因而感知器学习规则对权值隐层不适用。致谢本课程所引用的一些素材来源于多种媒体及同

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论