第04讲 感知器(Perceptron) 感知器是由美国计算机科学家罗森布拉特(F.Roseblatt)于1957年提出的。感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈值激活函数的前向网络。通过对网络权值的训练,可以使感知器对一组输人矢量的响应达到元素为0或1的目标输出,从而实现对输人矢量分类的目的。图4.1给出了单层感知器神经元模型图。 file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F5.tmp.png 图4.1 感知器神经元模型 其中,每一个输入分量严pj(j=1,2…,r)通过一个权值分量wj,进行加权求和,并作为阈值函数的输人。偏差b的加入使得网络多了一个可调参数,为使网络输出达到期望的目标矢量提供了方便。感知器特别适合解决简单的模式分类问题。F.Roseblatt已经证明,如果两类模式是线性可分的(指存在一个超平面将它们分开),则算法一定收敛。 感知器特别适用于简单的模式分类问题,也可用于基于模式分类的学习控制中。 感知器实际上是在MP模型的基础上加上学习功能,使其权值可以调节的产物。罗森布拉特研究了单层的以及具有一个隐含层的感知器。但在当时他只能证明单层感知器可以将线性可分输入矢量进行正确划分,所以本书中所说的感知器是指单层的感知器。多层网络因为要用到后面将要介绍的反向传播法进行权值修正,所以把它们均归类为反向传播网络之中。 4.1 感知器的网络结构感知器的网络是由单层的s个感知神经元,通过一组权值{ωij}(i=1,2…s;j=l,2…r)与r个输入相连组成。对于具有输入矢量Pr×q和目标矢量Ts×q的感知器网络的简化结构,如图4.2所示。 file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F6.tmp.png 图4.2 感知器简化结构图 根据网络结构,可以写出第i个输出神经元(i=1,2,…,s)的加权输入和ni及其输出ai为: file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F7.tmp.png (4-1) file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F8.tmp.png (4-2) 感知器的输出值是通过测试加权输入和值落在阈值函数的左右来进行分类的,即有: file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F9.tmp.png (4-3) 阈值激活函数如图4.3所示。 由图4.3可知:当输入ni十bi大于等于0,即有ni≥-bi时,感知器的输出为1,否则输出ai为0。利用偏差bi的使用,使其函数可以左右移动,从而增加了一个自由调整变量和实现网络特性的可能性。 . W+ v" O( h* A) L
, t2 @' }6 g K8 H2 ?
: z' i9 W1 _" G/ {
3 ~: I5 m2 n1 b% l5 `( V
: q3 L6 \6 G4 y, Z( s |