第三章：感知柔网络 ·单个感知器模型与解决问题的能力 口单层感知器模型与解决问题的能力 ■单层感知器的学习算法 ■单层感知器的局限性问题 口多层感知器的设计方法 ■有关的几个问题的讨论 ■单层感知器的MATLAB设计与实现
单个感知器模型与解决问题的能力 单层感知器模型与解决问题的能力 单层感知器的学习算法 单层感知器的局限性问题 多层感知器的设计方法 有关的几个问题的讨论 单层感知器的MATLAB设计与实现 第三章：感知器网络
·概述 -由美国学者Rosenblatt在1957年首次提出 -学习算法是Rosenblatt在1958年提出的 -包含一个突触权值可调的神经元 - 属于前向神经网络类型 一只能区分线性可分的模式 perceptron - IEEE设立以其名字命名的奖项 ROSENBLATT AWARD
• 概述 – 由美国学者Rosenblatt在1957年首次提出 – 学习算法是Rosenblatt在1958年提出的 – 包含一个突触权值可调的神经元 – 属于前向神经网络类型 – 只能区分线性可分的模式 – IEEE设立以其名字命名的奖项
第三章：感知恐 ·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。 ·本章的重点： 感知器的结构、表达能力、学习算法。 。本章的难点： 感知器的表达能力
第三章：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。 • 本章的重点： 感知器的结构、表达能力、学习算法。 • 本章的难点： 感知器的表达能力
第三章：感知恐 31单个感知器模型与解决问题的能力 是具有单层处理单元的神经网络，非线性作用函数(·)是对称 型阶跃函数，见图。 感知器输出： y=f(∑w,4-0=f∑w,4,) i=0 4:感知器的第i个输入；w。=-0（阈值)；4，=1。 与MP模型不同之处： 权值由有导师的学习算法进行调整。 f(x) f(x) 图2-3-1单层感知器
第三章：感知器 3.1 单个感知器模型与解决问题的能力 是具有单层处理单元的神经网络，非线性作用函数f (•) 是对称 型阶跃函数，见图。 感知器输出： y f w u f w u j j j n j j j n = − = = = ( ) ( ) 1 0 u j：感知器的第 j 个输入；w0 = − （阈值）；u0 = 1 。 与 MP 模型不同之处： 权值由有导师的学习算法进行调整。 图2-3-1 单层感知器 n j u u u1 y x wn w1 f (x) f (x)
第三章：感知器 3.1单个感知器模型与解决问题的能力 布尔函数的M-P神经元表示： 利用带阈值的M-P人工神经元可以很方便 地实现布尔代数中的许多功能。在布尔代数中， and、or、Not、xoR关系如下表1所示： X1 X2 and or Not(x Not(x) XoR 0 0 0 0 1 1 0 0 1 0 1 1 0 1 1 0 0 1 0 1 1 1 1 1 1 0 0 0
布尔函数的M-P神经元表示: 利用带阈值的M-P人工神经元可以很方便 地实现布尔代数中的许多功能。在布尔代数中， and、or、Not、xoR关系如下表1所示： 第三章：感知器 3.1 单个感知器模型与解决问题的能力 1 x 2 and or ) x ) xoR 0 0 0 0 1 1 0 0 1 0 1 1 0 1 1 0 0 1 0 1 1 1 1 1 1 0 0 0 2 x 1 x Not( Not(