课程: 人工智能基础知识系列：神经网络

免费学习该课程！

今天就开通帐号，24,700 门业界名师课程任您挑！

多层感知器

折磨:扭蒙拉之潮(折磨:扭蒙拉之潮游戏下载) 免费版

课程: 人工智能基础知识系列：神经网络

开始一个月试用 购买团队方案

多层感知器

“ 百度 百度保险刚刚上线不久。

[讲师]最早的神经网络叫做感知器。 这个词出现于上世纪五十年代， 由弗兰克·罗森布拉特教授 在最早的其中一种神经网络中使用。 感知器就像一个决策函数， 可以接收多个二进制输入， 生成一个二进制输出。 我们把感知器想象成一个小圆， 这个圆形有三个输入， 分别是 X1、X2、X3， 我们能看到三个箭头指向感知器内。 感知器的外部有一个输出， 为 0 或者 1。 你能看到一个指向输出的箭头， 但这只是为了方便我们理解， 实际输出会由另一个感知器读取。 我们用这个感知器来制定一个小决策。 我喜欢吃墨西哥卷饼， 现在我们用一个简单的函数来决定， 要不要去某个连锁店吃卷饼。 我们创建一个有三个二进制输入的 吃卷饼神经网络。 二进制输入 X1 代表餐厅是否干净； X2 代表是否有西班牙语菜单； X3 代表墙上是否挂了墨西哥帽。 现在来为每个输入赋值。 X1 的值是 1，因为我喜欢干净的餐厅； X2 的值也是 1，因为有西班牙语菜单 往往意味着有更传统的菜肴； X3 的值是0 0， 因为旅行经验告诉我， 墙上挂着墨西哥帽的墨西哥餐厅一般不太好。 现在，我们有两个二进制输入的值是 1， 一个输入值是 0。 这说明如果餐厅干净而且有西班牙语菜单， 我就去吃卷饼。 你也许想象得到， 这个吃卷饼神经网络已经遇到一些难题。 它没有学习能力，太过简单所以用处不大。 这是因为我并不使用二进制输入来做决定。 我通常会权衡各种选项来做出最好的选择， 比如餐厅还算干净， 或者菜单上只有一点西班牙语。 但这个简单的神经网络体现不出这些情况。 所以，为了让神经网络更有用一些， 我要为三个输入添加权重。 我喜欢干净的餐厅，但这并不那么重要， 所以这个输入的权重设为 3。 我非常喜欢更传统的墨西哥食物， 所以西班牙语菜单的权重设为 6。 我特别不愿意看到墙上挂着墨西哥帽， 所以权重设为 -3。 现在来试一下这个吃卷饼神经网络。 餐厅很干净， 所以用 X1 的输入值 1 乘以 3。 柜台后面有完整的西班牙语菜单， 所以用输入值 1 乘以 6。 很遗憾，墙上挂着墨西哥帽， 所以用 X3 的值 1 乘以 -3。 用各自的权重乘以输入值后， 三项输入的得数分别是 3、6、-3。 把计算了权重后的得数相加， 得出的和为 6。 也就是感知器的输出是数字 6。 这是个问题，因为它不是二进制输出。 我不知道数字 6…

内容