第04讲感知器( Perceptron) zoujiangapublic. wh. hb.cn
第04讲 感知器（Perceptron） zoujiang@public.wh.hb.cn 邹江
感知器是由美国计算机科学家罗森布拉特 F. Roseblatt)于1957年提出的。 单层感知器神经元模型图 ②” 图4.1感知器神经元模型
感知器是由美国计算机科学家罗森布拉特 （F.Roseblatt）于1957年提出的。 单层感知器神经元模型图： 图4．1 感知器神经元模型
F. Roseblattt经证明,如果两类模式是线性可分 的(指存在一个超平面将它们分开),则算法 定收敛。 感知器特别适用于简单的模式分类问题,也可用 于基于模式分类的学习控制中 本节中所说的感知器是指单层的感知器。多层网 络因为要用到后面将要介绍的反向传播法进行 权值修正,所以把它们均归类为反向传播网络 之中
F.Roseblatt已经证明，如果两类模式是线性可分 的（指存在一个超平面将它们分开），则算法 一定收敛。 感知器特别适用于简单的模式分类问题，也可用 于基于模式分类的学习控制中。 本节中所说的感知器是指单层的感知器。多层网 络因为要用到后面将要介绍的反向传播法进行 权值修正，所以把它们均归类为反向传播网络 之中
4.1感知器的网络结构 W N sEr B 根据网络结构,可以写出第i个输出神经元(i=1,2,…, s)的加权输入和n及其输出a为: n1=∑wnP a;=∫(n1+b)
4．1 感知器的网络结构 根据网络结构，可以写出第i个输出神经元(i＝1，2，…， s)的加权输入和ni及其输出ai为：
感知器的输出值是通过测试加权输入和值落在阈 值函数的左右来进行分类的,即有 1n;+b;>0 0n2+b;<0 阈值激活函数如图4.3所示 -b
感知器的输出值是通过测试加权输入和值落在阈 值函数的左右来进行分类的，即有： 阈值激活函数如图4．3所示