神经网络基本介绍(三):前馈网络(上)M-P model 和单层感知机
来源:互联网 发布:linux init6重启 编辑:程序博客网 时间:2024/05/29 11:02
上图是前馈网络基本结构,分别介绍几种前馈网络:
M-P model,single-layer perceptron network,multi-layer perceptron network, BP(back propagation)
(一)M-P model
Proposed by McCulloch & Pitts
Consists of fixed Structure & fixed Link-Weights
Restrain Convex-Touch Weight ⇒ output is 0
Exciting Convex-Touch Weight ⇒ output is 1 when
the accumulated value ≥θ
Advantages:
Simplest Feed-forward NN
Can implement some Logical Operational Func
Disadvantages:
I/O & weight must be discrete values: 0 or 1
Link-Weight can not be adjusted dynamically
(二)single-layer perceptron network
supervised method可调权重
这里y=f(s)也可以是其他函数,根据具体情况,因为这里是用来简单分类,所以sign函数就够了。
然后计算权重,使用delta study principle。
分类结果输出。
缺点:Only linear classifiable patterns can be classified by Single-Layer Perceptron
linear non-classifiable patterns cannot be classified by Single-Layer Perceptron
- 神经网络基本介绍(三):前馈网络(上)M-P model 和单层感知机
- 神经网络基本介绍(四):前馈网络(下)多层感知机
- 单层感知机与多层前馈神经网络
- 神经网络之单层感知器网络(人工智能)
- 人工神经网络(三)单层感知器代码实现
- 人工神经网络(三)单层感知器代码实现
- 神经网络学习笔记(一) 单层感知机
- 人工神经网络(二)单层感知器
- 人工神经网络(二)单层感知器
- 仅用Numpy写的感知机(单层前馈神经网络)
- 单层感知器神经网络
- (单层)感知机学习规则
- 神经网络(上):神经元与感知机
- 给定一个样本输入向量P,和目标向量T,设计单层感知机进行分类
- 单层神经网络、多层感知机、深度学习的总结
- Tensorflow 搭建神经网络(单层)
- 机器学习笔记(XV)神经网络(II)感知机和多层网络
- 神经网络学习笔记(九):多层感知机(上)
- Jquery 获取页面所有checkbox 以及调用Ajax
- Valgrind使用1
- YUV转RGB方法二
- VB 如何提取网页源带码中的url链接,动态添加控件实例
- 字节流与字符流小结
- 神经网络基本介绍(三):前馈网络(上)M-P model 和单层感知机
- 进程的默认工作目录
- 委托与事件代码详解与(Object sender,EventArgs e)
- C++学习-宏
- PB ImportFile导入数据
- iframe里面的页面调用父窗口,左右窗口js函数的方法
- Core Audio APIS in Vista/Win7实现
- hdu1102Constructing Roads(Prime 算法求最小生成树)
- 使用usbasp烧写arduino