第04讲感知器( Perceptron) 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。 感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈 值激活函数的前向网络。通过对网络权值的训练,可以使感知器对一组输人矢量 的响应达到元素为0或1的目标输出,从而实现对输人矢量分类的目的。图4.1 给出了单层感知器神经元模型图。 P2 图4.1感知器神经元模型 其中,每一个输入分量严p(=1,2…,r通过一个权值分量w,进行加权 求和,并作为阈值函数的输人。偏差b的加入使得网络多了一个可调参数,为使 网络输出达到期望的目标矢量提供了方便。感知器特别适合解决简单的模式分类 问题。 F. Roseblatt I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 感知器实际上是在MP模型的基础上加上学习功能,使其权值可以调节的产 物。罗森布拉特研究了单层的以及具有一个隐含层的感知器。但在当时他只能证 明单层感知器可以将线性可分输入矢量进行正确划分,所以本书中所说的感知器 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。1 第 04 讲 感知器（Perceptron） 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。 感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈 值激活函数的前向网络。通过对网络权值的训练，可以使感知器对一组输人矢量 的响应达到元素为 0 或 1 的目标输出，从而实现对输人矢量分类的目的。图 4．1 给出了单层感知器神经元模型图。 图 4．1 感知器神经元模型 其中，每一个输入分量严 pj(j＝1，2…，r)通过一个权值分量 wj，进行加权 求和，并作为阈值函数的输人。偏差 b 的加入使得网络多了一个可调参数，为使 网络输出达到期望的目标矢量提供了方便。感知器特别适合解决简单的模式分类 问题。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。 感知器实际上是在 MP 模型的基础上加上学习功能，使其权值可以调节的产 物。罗森布拉特研究了单层的以及具有一个隐含层的感知器。但在当时他只能证 明单层感知器可以将线性可分输入矢量进行正确划分，所以本书中所说的感知器 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