Rosenblatt计算机实验：模式分类

一、Rosenblatt代码：

基于理论给出代码：

Rosenblatt感知器代码

二、Rosenblatt总结与讨论

感知器是一个单层神经网络，其基于误差修正学习。这里的”单层“指的是计算层由单个神经元组成用于解决两类的分类问题，为了成功实现分类，这些模式必须是线性可分的。

感知器神经元的激活函数采用的是符号函数，如果用sigmoid型来代替它，感知器会不会有更好的表现？结果表明，不管我们使用哪种激活函数，感知器稳定状态的决策特征基本不变，意思就是当感知器权值不怎么变化时，不同的激活函数的决策基本都是一致的。总之，不管使用什么样的激活函数，在收敛速度上可能会有一定的差异，但是一个单层感知器只能在线性可分模式上进行模式分类。

在20世纪80年代中期，不仅是感知器也包括一般的神经网络都被严重的怀疑，原因是由Minsky和Papert通过严谨的数学证明，证明了神经网络无法进行全局的泛化。但是历史已经证明，Minsky和Papert作出的推测是不公正的。总之感知器是一个用来对线性可分模式进行分类的精致的神经网络，其重要性不仅仅在于其历史价值，也在于其在线性可分模式分类方面的实际价值。