神经网络与机器学习笔记——Rosenblatt感知器

Rosenblatt感知器

感知器是用于线性可分模式(模式分别位于超平面两边)分类的最简单的神经网络模型,基本上由一个具有可调突触权值和偏置的神经元组成。

Rosenblatt证明了当用来训练感知器的模式(向量)取自两个线性可分的类时,感知器算法是收敛的,并且决策面是位于两类之间的超平面。算法的收敛性称为感知器收敛定理。

神经网络与机器学习笔记——Rosenblatt感知器_第1张图片

神经网络与机器学习笔记——Rosenblatt感知器_第2张图片

神经网络与机器学习笔记——Rosenblatt感知器_第3张图片

神经网络与机器学习笔记——Rosenblatt感知器_第4张图片

神经网络与机器学习笔记——Rosenblatt感知器_第5张图片

更多关于神经网络笔记见我的专栏:神经网络与机器学习笔记



你可能感兴趣的:(笔记,机器学习,神经网络,神经网络与机器学习笔记)