1、1 2 3感知器 人的视觉是重要的感觉器官 人通过视觉接受的信息占全部信息量的80 85 感知器是模拟人的视觉 接受环境信息 并由神经冲动进行信息传递的神经网络 感知器分单层与多层 是具有学习能力的神经网络 2 2 3 1单层感知器 单神经元感知器 3 基本学习算法步骤 4 改进学习算法向量式 目的 使奇异样本与非奇异样本对权值调整量的影响均衡 基本学习算法向量式 5 单神经元感知器 用于两类模式分类时相当于在高维样本空间中 用一个超平面将两类样本分开 已证明若输入的两类模式是线性可分集合 指存在一个超平面能将其分开 则算法一定收敛 局限性若输入模式为线性不可分集合 感知器的学习算法不收敛 不
2、能进行正确分类 6 2 单层多神经元感知器 单层多神经元感知器 权系调整算法 改进的权系调整算法 7 单层感知器 单 多神经元 局限性若输入模式为线性不可分集合 感知器的学习算法不收敛 不能进行正确分类 8 例2 3 1线性可分集合 9 2 三维空间上的两类模式 见表 10 3 可引申到n 3维空间上的线性可分集合 一定可找到一超平面 将输入模式分为两类 由n输入 单输出的单层感知器实现 例2 3 2线性不可分集合 二维平面上的两类模式 异或 XOR 问题 见表 二维平面中不存在一条直线 将输入模式分为两类 此输入模式称线性不可分集合 见图 可见 单层感知器不能解决异或问题 11 演示 例2 3 3M构建单层感知器 12 演示 例2 3 4M单层感知器的学习 13 演示 例2 3 5M单层感知器用于模式分类 14 2 3 2多层感知器 15 三层感知器解决异或 XOR 问题 16 三层感知器可识别任一凸多边形或无界的凸区域 更多层感知器网络 可识别更为复杂的图形 17 结束
