Однослойный персептрон (пример)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: {{TOCright}} '''Однослойный персептрон''' — TODO == Постановка задачи == Пусть <tex>X</tex> - пространство объектов; <tex...)
(Постановка задачи)
Строка 3: Строка 3:
== Постановка задачи ==
== Постановка задачи ==
-
Пусть <tex>X</tex> - пространство объектов; <tex>Y</tex> - множество допустимых ответов. Будем считать, что <tex>x = (x^1,\dots,x^n) \in \mathbb(R)^n</tex>, где <tex>x^j = f_j(x)</tex> - признаковое описание объекта; <tex>Y = \{0,1\}</tex>. Задана выборка <tex>\{(\mathbf{x}_i,y_i)\}_{i=1}^\ell</tex>. Значения признаков <tex>x^j = f_j(x)</tex> рассматриваются как импульсы, поступающие на вход нейрона, которые складываются с весами <tex>w_1,\dots,w_n</tex>. Если суммарный импульс превышает порог активации <tex>w_0</tex>, то нейрон возбуждается
+
Пусть <tex>X</tex> - пространство объектов; <tex>Y</tex> - множество допустимых ответов. Будем считать, что <tex>x = (x^1,\dots,x^n) \in \mathbb{R}\^n</tex>, где <tex>x^j = f_j(x)</tex> - признаковое описание объекта; <tex>Y = \{0,1\}</tex>. Задана выборка <tex>\{(\mathbf{x}_i,y_i)\}_{i=1}^\ell</tex>. Значения признаков <tex>x^j = f_j(x)</tex> рассматриваются как импульсы, поступающие на вход нейрона, которые складываются с весами <tex>w_1,\dots,w_n</tex>. Если суммарный импульс превышает порог активации <tex>w_0</tex>, то нейрон возбуждается
и выдаёт на выходе 1, иначе выдаётся 0. Таким образом, нейрон вычисляет <tex>n</tex>-арную булеву функцию вида <tex>a(x) = \phi()</tex>
и выдаёт на выходе 1, иначе выдаётся 0. Таким образом, нейрон вычисляет <tex>n</tex>-арную булеву функцию вида <tex>a(x) = \phi()</tex>

Версия 20:59, 28 апреля 2009

Содержание

Однослойный персептрон — TODO

Постановка задачи

Пусть X - пространство объектов; Y - множество допустимых ответов. Будем считать, что x = (x^1,\dots,x^n) \in \mathbb{R}\^n, где x^j = f_j(x) - признаковое описание объекта; Y = \{0,1\}. Задана выборка \{(\mathbf{x}_i,y_i)\}_{i=1}^\ell. Значения признаков x^j = f_j(x) рассматриваются как импульсы, поступающие на вход нейрона, которые складываются с весами w_1,\dots,w_n. Если суммарный импульс превышает порог активации w_0, то нейрон возбуждается и выдаёт на выходе 1, иначе выдаётся 0. Таким образом, нейрон вычисляет n-арную булеву функцию вида a(x) = \phi()

Описание алгоритма

TODO

Вычислительный эксперимент

TODO

Исходный код

TODO

Смотри также

TODO

Литература

  • Bishop, C. Pattern Recognition And Machine Learning. Springer. 2006.
Данная статья является непроверенным учебным заданием.
Студент: Участник:Максим Панов
Преподаватель: Участник:В.В. Стрижов
Срок: 28 мая 2009

До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}.

См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.

Личные инструменты