数据挖掘——多层感知器算法简介

XOR(抑或)是一种非线性函数,不能被线性可分

人工神经网络简介

人工神经网络由三部分组成:
- 架构:描述神经元的层次与连接神经元的结构
- 激励函数
- 找出最优权重值的学习算法

人工神经网络主要类型:
1. 前馈神经网络:最常用的神经网络类型,一般定义为有向无环图,信号只能沿着最终出入的那个方向传播
2. 反馈神经网络:网络图中有环.反馈环表示网络的一种内部状态

多层感知器

多层感知器(multilayer perceptron, MLP)是目前最流行的人工神经网络之一.
下图所示三层架构的多层感知器.带+1标签的是常误差项神经元,大多数结构图都不会画出来

隐藏层中的人工神经元,也称单元,通常用非线性激励函数,如双曲正切函数和逻辑函数:
f(x)=tanh(x)
f(x)=1/(1+e^(-x))

成本函数

和其他监督模型一样,目标是找到成本函数最小化的权重值,通常,mlp的成本函数是残差平方和的均值,计算公式如下:

成本函数最小化

反向传播(backpropagation)算法经常用来求解最小化问题

前向传播

从特征变量输入到网络，然后传播到下一层产生输出激励。

计算过程

反向传播

把输出单元计算的误差作为网络误差，反向传回去
计算出其他层的误差，然后再更新权重。

---