perceptron相关内容

感知器中的阈值有什么意义?

我无法看到阈值在单层感知器中的实际作用.无论阈值是多少，数据通常都是分开的.似乎较低的阈值可以更平等地划分数据；这是它的用途吗? 解决方案 实际上，您只需在不使用偏差时设置阈值即可.否则，阈值为 0. 请记住，单个神经元用超平面划分您的输入空间.好吗? 现在想象一个有 2 个输入 X=[x1, x2]、2 个权重 W=[w1, w2] 和阈值 TH 的神经元>.该等式显示了该神 ..

发布时间：2021-12-31 16:59:55 artificial-intelligence neural-network perceptron AI人工智能

绘制决策边界 matplotlib

我对 matplotlib 非常陌生，正在从事简单的项目以熟悉它.我想知道如何绘制决策边界，即 [w1,w2] 形式的权重向量，它基本上将两个类分开，比如说 C1 和 C2，使用 matplotlib. 是否像绘制从 (0,0) 到点 (w1,w2) 的线一样简单(因为 W 是权重“向量")如果是这样，如果需要，我如何在两个方向上扩展它到? 现在我所做的就是: 将 matplotl ..

发布时间：2021-12-14 09:23:50 python vector matplotlib machine-learning perceptron AI人工智能

感知器学习算法没有收敛到 0

这是我在 ANSI C 中的感知器实现: #include #include #include 浮动随机浮动(){srand(时间(空))；float r = (float)rand()/(float)RAND_MAX;返回 r;}int计算输出(浮点权重[]，浮点x，浮点y){浮动总和 = x * 权重 [0] + y * 权重 [1]；返回(总和 >= 0)?1:-1；}in ..

发布时间：2021-12-14 09:20:01 c algorithm machine-learning neural-network perceptron AI人工智能

多层感知器 (MLP) 架构:选择隐藏层数和隐藏层大小的标准?

如果我们有 10 个特征向量，那么我们可以在输入层有 10 个神经节点.如果我们有 5 个输出类，那么我们在输出层可以有 5 个节点.但是在 MLP 中选择隐藏层数的标准是什么?1 个隐藏层中有多少个神经节点? 解决方案 有多少隐藏层? 具有零隐藏层的模型将解析线性可分数据.因此，除非您已经知道您的数据不是线性可分的，否则验证这一点并没有什么坏处——为什么要使用比任务所需的更复杂的模 ..

发布时间：2021-12-14 09:19:44 machine-learning neural-network deep-learning perceptron AI人工智能

用于异或门的 Javascript 中的简单感知器

我尝试使用单个感知器来预测 XOR 门.但是，结果似乎是完全随机的，我找不到错误. 我在这里做错了什么?- 我的训练方法错了吗?- 或者感知器模型中是否有任何错误?- 或者单个感知器不能用于这个问题? class 感知器 {构造函数(输入节点，学习率){this.nodes = input_nodes;this.bias = Math.random() * 2 - 1;this.learn ..

发布时间：2021-06-07 19:57:54 javascript neural-network perceptron 前端开发

感知器的决策边界太小

我正在尝试绘制感知器算法的决策边界，但对一些事情感到非常困惑.我的输入实例采用 [(x1,x2),target_Value] 形式，基本上是一个二维输入实例和一个 2 类 target_value [1 或 0]. 因此，我的权重向量采用以下形式:[w1,w2] 现在我必须加入一个额外的偏置参数 w0，因此我的权重向量变成了 3x1 向量?是1x3向量吗?我认为它应该是 1x3，因为向量只有 ..

发布时间：2021-06-01 20:39:51 python matplotlib perceptron Python

是否存在使用感知器算法的情况，我不想在每次迭代之前排列数据?

我的机器学习教科书问了这个问题，讨论了感知器算法，但我真的无法给出满意的答案. 有什么情况? 解决方案 与任何没有全局最优解的迭代学习算法一样，感知器算法将从起点收敛到局部最优解.通常，这意味着早期数据的影响将大于晚期数据. 在感知器算法的大多数应用中，您尝试通过以随机顺序多次应用训练数据来消除这种偏差. 在某些应用中，此偏差是学习问题的一部分，因此顺序很重要，并且最终结 ..

发布时间：2021-05-31 18:45:56 machine-learning perceptron AI人工智能

感知器中阈值的意义是什么?

我很难看到阈值在单层感知器中的实际作用.无论阈值是多少，通常都会分离数据.较低的阈值似乎可以更平均地划分数据.这是用来干什么的吗? 解决方案 实际上，您只是在不使用偏见时设置阈值.否则，阈值为0. 请记住，单个神经元会用超平面划分您的输入空间.好吗? 现在想象一下一个神经元，它具有2个输入X=[x1, x2]，2个权重W=[w1, w2]和阈值TH.等式显示了该神经元的工作原理 ..

发布时间：2020-09-07 18:55:08 artificial-intelligence neural-network perceptron AI人工智能

澄清感知器的偏见

如果不存在偏差，通过原点的线应该能够线性分离两个数据集，这不是真的吗? 但这是最受欢迎的答案->> 问题说 y ^ | - + \\ + | - +\\ + + | - - \\ + ..

发布时间：2020-05-17 19:25:22 neural-network perceptron bias-neuron 其他开发

用单层感知器解决XOR

我一直听说，单层感知器(不使用隐藏层)无法解决XOR问题，因为它不是线性可分离的.我知道没有线性函数可以分隔类. 但是，如果我们使用诸如sin()或cos()之类的非单调激活函数会怎样呢?我想这些类型的功能也许可以将它们分开. 解决方案 是，具有非单调激活函数的单层神经网络可以解决XOR问题.更具体地说，周期函数将多次剪切XY平面.甚至 Abs 或尝试一下:W1 = W2 = 100 ..

发布时间：2020-05-17 19:19:58 neural-network xor perceptron 其他开发

神经网络代码说明

以下是博客. input = [0 0; 0 1; 1 0; 1 1]; numIn = 4; desired_out = [0;1;1;1]; bias = -1; coeff = 0.7; rand('state',sum(100*clock)); weights = -1*2.*rand(3,1); iterations = 10; for i = 1:iterations ..

发布时间：2020-05-06 15:35:07 matlab neural-network perceptron 其他开发

单层神经网络

对于实现单层神经网络，我有两个数据文件. In: 0.832 64.643 0.818 78.843 Out: 0 0 1 0 0 1 上面是2个数据文件的格式. 对于相应输入所属的特定类别，目标输出为"1"，对于其余2个输出，目标输出为"0". 问题如下: 您的单层神经网络将 找出A(3 x 2矩阵)和b(3 x 1 向量)在Y = ..

发布时间：2020-05-06 13:27:52 matlab artificial-intelligence classification perceptron AI人工智能

神经网络训练中的数据编码

我已将349,900个单词从词典文件转换为md5哈希.示例如下: 74b87337454200d4d33f80c4663dc5e5 594f803b380a41396ed63dca39503542 0b4e7a0e5fe84ad35fb5f95b9ceeac79 5d793fc5b00a2348c3fb9ab59e5ca98a 3dbe00a167653a1aaee01d93e77e730e ..

发布时间：2020-05-04 10:29:51 machine-learning encoding neural-network backpropagation perceptron AI人工智能

神经网络对输出数据进行归一化

我有一个关于NN的训练数据以及预期的输出.每个输入都是10维向量，并具有1个预期输出.我已经使用高斯对训练数据进行了归一化，但是我不知道如何对输出进行归一化，因为它只有一维.有什么想法吗? 示例: 原始输入向量: -128.91，71.076，-100.75,4.2475，-98.811，77.219，4.4096，-15.382，-6.1477，-361.18 归一化输入向量: ..

发布时间：2020-05-04 10:09:13 machine-learning neural-network normalization perceptron AI人工智能

ValueError:找到的数组具有不一致的样本数

这是我的代码: import pandas as pa from sklearn.linear_model import Perceptron from sklearn.metrics import accuracy_score def get_accuracy(X_train, y_train, y_test): perceptron = Perceptron(random_st ..

发布时间：2020-05-04 10:06:18 python pandas machine-learning scikit-learn perceptron AI人工智能

多层感知器-找到“分离的"感知器曲线

使用单层感知器，很容易找到“分隔线"的方程式(我不知道专业术语)，即根据感知器的权重将两种类型的点分开的线训练有素.如何以类似的方式在多层感知器中找到在两种类型的点之间分开的曲线方程(不是直线)? 谢谢. 解决方案 这仅是尝试获得分离边界或曲线的近似值. 数据集 下面，我绘制了示例数据集的两种类型之间的分离曲线.数据集是从Coursera借来的-Andrew Ng的机器学 ..

发布时间：2020-05-04 09:59:25 machine-learning artificial-intelligence perceptron AI人工智能

感知器权重更新规则的直觉

我无法理解感知器的权重更新规则: w(t + 1)= w(t)+ y(t)x(t). 假设我们有一个线性可分离的数据集. w 是一组权重[w0，w1，w2，...]，其中w0是偏差. x 是一组输入参数[x0，x1，x2，...]，其中x0固定为1以适应偏差. 在迭代 t 中，其中 t = 0、1、2，...， w(t)是迭代 t 的权重集. x(t)是错误分类的 ..

发布时间：2020-05-04 09:35:24 algorithm machine-learning perceptron AI人工智能

为什么即使余量很大，单层感知器在不进行归一化的情况下收敛得如此缓慢?

在我确认结果后，这个问题完全被重写了(可以在在此)和其他人编写的一段代码(可以在此处).这是我为处理数据和计数历时直至收敛而编写的代码: import numpy as np from matplotlib import pyplot as plt class Perceptron(object): """Implements a perceptron network""" ..

发布时间：2020-05-04 09:34:09 python machine-learning classification perceptron AI人工智能

实施感知器分类器

嗨，我是Python和NLP的新手.我需要实现一个感知器分类器.我搜索了一些网站，但找不到足够的信息.目前，我有一些文件按类别(体育，娱乐等)分类.我还列出了这些文档中最常用的单词以及它们的出现频率.在一个特定的网站上，有人说我必须具有某种接受参数x和w的决策函数. x显然是某种矢量(我不知道w是什么).但是我不知道如何使用建立感知器算法所需的信息以及如何使用它对我的文档进行分类.你有什么主意吗? ..

发布时间：2020-05-04 09:28:19 python artificial-intelligence nlp machine-learning perceptron AI人工智能

感知器学习算法的参数调整

我遇到了一个问题，试图弄清楚如何为我的感知器算法调整参数，以使其在看不见的数据上表现相对良好. 我已经实现了一种经过验证的工作感知器算法，我想找出一种方法，通过该方法可以调整迭代次数和感知器的学习率.这是我感兴趣的两个参数. 我知道感知器的学习速度不会影响算法是否收敛和完成.我正在尝试掌握如何更改n.太快了，它会摇摆很多，而太低了，它会花费更长的时间. 至于迭代次数，我不确定如何 ..

发布时间：2020-05-04 09:26:34 performance machine-learning deep-learning perceptron AI人工智能