什麼是感知器學習算法？

在感知器中，一層的神經網絡，更新權重和偏差的算法是什麼？我知道有多種算法，但有沒有一種標準的算法易於在代碼中實現？什麼是感知器學習算法？

來源

2016-11-17 Harrison Rankin

那麼你在維基百科學到了什麼？ – sascha

我想，而不是僅僅陳述算法在這裏，我應該從哪裏開始提供一些材料，並快速理解端到端的算法。

考慮這本書：Neural Networks: A Systematic Introduction，但勞爾羅哈斯。

對於感知學習，請參閱第4.2節

對於一個非常不錯的概述，意向，算法，在其中進行學習的空間的融合和可視化。我建議先閱讀第3章，然後閱讀第4章。

來源

2016-11-18 15:10:41 phoxis

標準算法是gradient descent using back-propagation。算法如下：

猜測初始權重和偏差。
計算「正向通過」，您在其中使用權重和偏差來計算估計值y_hat。
計算的損失，這是真值y和估計值y_hat你從步驟2
計算損失的相對於每個權重和偏置的梯度計算之間的差異。此漸變將採用小浮點數的形式。這個步驟被稱爲「反向傳遞」，並將名稱稱爲「反向傳播」，其中該損失的梯度被向後推。
通過添加漸變更新權重和偏差。

當您重複步驟2到5幾次（稱爲時期）後，您將希望擁有最佳的權重和偏差。

來源

2016-11-17 23:30:50 stackoverflowuser2010

他不需要反向傳播這個簡化的問題！ – sascha

不，我不這樣做，那隻適用於隱藏層的網絡。我需要的是一個明確的方程，將舊的權重和偏差與新的權重相關聯。 –

@HarrisonRankin維基仍然給你你需要的完整算法。我真的不明白你的不情願...... – sascha

感知器是一個線性二元分類器。

w <- initialize randomly (e.g. uniformly in [-1, 1]) 
learning_rate <- 0.42 # something in (0, 1) 
for epoch in range(42): 
    y <- perceptron_classification(x) 
    w <- w - learning_rate * (y - target) * x

如果你想看到一個工作（測試）最小的實現，看看我的倉庫：它通常是與delta規則的培訓https://github.com/MartinThoma/algorithms/tree/master/perceptron

來源

2016-11-18 15:05:12

經典感知器沒有學習速率，也沒有迭代次數，因爲它只能用於線性可分數據集。 – lejlot

什麼是感知器學習算法？

回答

相關問題