个人技术笔记

感知器（Perceptron）算法

发布时间：2016-02-03  栏目：深度学习  评论：0 Comments

感知器（Perceptron），是神经网络中的一个概念，在1950s由Frank Rosenblatt第一次引入。

单层感知器（Single Layer Perceptron）是最简单的神经网络。它包含输入层和输出层，而输入层和输出层是直接相连的。

图1.1

图1.1便是一个单层感知器，很简单一个结构，输入层和输出层直接相连。

接下来介绍一下如何计算输出端。

利用公式1计算输出层，这个公式也是很好理解。首先计算输入层中，每一个输入端和其上的权值相乘，然后将这些乘机相加得到乘机和。对于这个乘机和做如下处理，如果乘机和大于临界值（一般是0），输入端就取1；如果小于临界值，就取-1。

以下就给出一段单层感知器的代码。

//////////////////////////////////////////////////////////////////////////
//singlelayer perceptrons(SLP)
bool slp_calculate_output(constdouble * inputs,constdouble * weights,intnInputs,int & output)
{
    if(NULL ==inputs || NULL == weights)
        return false;
    double sum =0.0;
    for (int i = 0 ; i < nInputs ; ++i)
    {
        sum += (weights[i] * inputs[i]);
    }
//这里我们对乘机和的处理：如果大于0，则输出值为1；其他情况，输出值为-1
    if(sum >0.0)
        output = 1;
    else
        output = -1;
}
//////////////////////////////////////////////////////////////////////////

单层感知器其简单的特性，可以提供快速的计算。它能够实现逻辑计算中的NOT、OR、AND等简单计算。

但是对于稍微复杂的异或就无能无力。

留下评论

You must be logged in to post a comment.