第三章：感知恐 3.1单个感知器模型与解决问题的能力 且x1、x2∈[1,0]，Y∈[1,0] 可以将图用M-P模型来建立，Y与X1、X2之间的关系： 五1 11 (1)anc模型 (2)or模型 上面几个人工 神经元都满足M-P 模型。 (3) Not模型
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 [1,0] 且 、 x2 ， Y [1,0] M − P 模型来建立， Y 1 x 2 可以将图用 与 、 x 之间的关系： 上面几个人工 神经元都满足M-P 模型
第三章：感知聚 31单个感知器模型与解决问题的能力 根据各个图及M-P模型，我们有 少-/+-2)-{0 x1+x2-2≥0 (1) x1+x2-2<0 -{0eKo00,0o (x1,x2)∈{(1,1)} x+x2-1≥0 (2)》 y= fx+x2-)={0 x1+x2-1<0 (x1,x2)∈{(1,1)，(1,0)，(0,1)} 0 (x1,x2)∈{(0,0)}
第三章：感知器 3.1 单个感知器模型与解决问题的能力 根据各个图及M-P模型，我们有 0 ( , ) {(0,0),(0,1),(1,0)} 1 ( , ) {(1,1)} 0 2 0 1 2 0 ( 2) 1 2 1 2 1 2 1 2 1 2 { { = + − + − = + − = x x x x x x x x （ y f x x 1） （2） 1 2 1 2 1 2 1 2 1 2 1 1 0 ( 1) { 0 1 0 1 ( , ) {(1,1),(1,0),(0,1)} { 0 ( , ) {(0,0)} x x y f x x x x x x x x + − = + − = + − =
第三章：感知景 31单个感和器模型与解决问题的能力 6y=-=09 -0em 显然是符合逻辑运算要求
第三章：感知器 3.1 单个感知器模型与解决问题的能力 0 {1} 1 {0} 0 0 1 0 ( ) { { = − − = − = x x x x （3） y f x 显然是符合逻辑运算要求
第三章：感知器 3,1单个感知器模型与解决问题的能力 权系数和阈值不是0、1的M-P模型 若w,O}∈R,则M-P模型比只允许w取{-1,1}要灵活 的多，但此时仍限制x∈{1，-1（或{1,0}），y∈L,-1 (或{1,0})，则对于这个M-P人工神经元来说： n+l wx,≥0 2地 i=1 n+1 -1 W,x,<0 i-l 但{w,}∈R与w,0}eZ相比并无多大改进
第三章：感知器 3.1 单个感知器模型与解决问题的能力 权系数和阈值不是0、1的M-P模型 w,R w x{1,−1} y {1,−1} 若 ，则M-P模型比只允许 取{-1，1}要灵活 （或{1，0}）， （或{1，0}），则对于这个M-P人工神经元来说： 的多，但此时仍限制 − = − = + = + = = 1 1 1 1 1 1 0 1 0 ( ) n i i i n i i i i n i i w x w x y f x w 但 w, R 与w,Z 相比并无多大改进
第三章：感知器 3.1单个感知器模型与解决问题的能力 例：试说明下列两个M-P人工神经元是等价的。 X 0.4 X2 -0.2 0.6 X2 -2 6 0.3 31 3 (a) ) 分析：对于(a) y=f(0.4x1+0.3x3-0.2x2-0.6) 10.4x+0.3x3-0.2x2-0.6≥0 -10.4x+0.3x3-0.2x2-0.6<0 14x-2x32+3x-6≥0 -14x1-2x2+3x3-6<0
第三章：感知器 3.1 单个感知器模型与解决问题的能力 例：试说明下列两个M-P人工神经元是等价的。 分析：对于（a） − − + − − + − = − + − − + − − = = + − − 1 4 2 3 6 0 1 4 2 3 6 0 1 0.4 0.3 0.2 0.6 0 1 0.4 0.3 0.2 0.6 0 (0.4 0.3 0.2 0.6) 1 2 3 1 2 3 1 3 2 1 3 2 1 3 2 x x x x x x x x x x x x y f x x x