出为0或1的分类时,其问题可转化为:对于已知输入矢量在输人空间形成的不 同点的位置,设计感知器的权值W和b,将由W*P+b=0的直线放置在适当的 位置上使输入矢量按期望输出值进行上下分类。 阈值函数通过将输入矢量的r维空间分成若干区域而使感知器具有将输入矢 量分类的能力。输出矢量的0或1,取决于对输入的分类 图4.4给出了感知器在输入平面中的图形,从中可以清楚看出:由直线W*P 十b=0将由输人矢量p和p组成的平面分为两个区域,此线与权重矢量W正 交可根据偏差b进行左右平移。直线上部的输人矢量使阈值函数的输入大于0, 所以使感知器神经元的输出为1。直线下部的输入矢量使感知器神经元的输出为 0。分割线可以按照所选的权值和偏差上下左右移动到期望划分输入平面的地方。 WP+b>0 WP+b=0 b/wr WP+6<0 图4.4输入矢量平面图(此图横坐标有问题) 感知器神经元不带偏差时,得到的是通过原点的分类线。有些可以用带偏差 解决的问题,不带偏差的网络则解决不了。 熟悉图形解释有助于我们理解和掌握感知器的工作原理。当然在实际应用 时,权值的求解全都是由计算机来完成的。 4.3感知器的学习规则 学习规则是用来计算新的权值矩阵W及新的偏差B的算法。感知器利用其 学习规则来调整网络的权值,以便使该网络对输人矢量的响应达到数值为0或1 的目标输出。4 出为 0 或 1 的分类时，其问题可转化为：对于已知输入矢量在输人空间形成的不 同点的位置，设计感知器的权值 W 和 b，将由 W*P+b＝0 的直线放置在适当的 位置上使输入矢量按期望输出值进行上下分类。 阈值函数通过将输入矢量的 r 维空间分成若干区域而使感知器具有将输入矢 量分类的能力。输出矢量的 0 或 1，取决于对输入的分类。 图 4．4 给出了感知器在输入平面中的图形，从中可以清楚看出：由直线 W*P 十 b＝0 将由输人矢量 p1 和 p2 组成的平面分为两个区域，此线与权重矢量 W 正 交可根据偏差 b 进行左右平移。直线上部的输人矢量使阈值函数的输入大于 0， 所以使感知器神经元的输出为 1。直线下部的输入矢量使感知器神经元的输出为 0。分割线可以按照所选的权值和偏差上下左右移动到期望划分输入平面的地方。 图 4．4 输入矢量平面图（此图横坐标有问题） 感知器神经元不带偏差时，得到的是通过原点的分类线。有些可以用带偏差 解决的问题，不带偏差的网络则解决不了。 熟悉图形解释有助于我们理解和掌握感知器的工作原理。当然在实际应用 时，权值的求解全都是由计算机来完成的。 4．3 感知器的学习规则 学习规则是用来计算新的权值矩阵 W 及新的偏差 B 的算法。感知器利用其 学习规则来调整网络的权值，以便使该网络对输人矢量的响应达到数值为 0 或 1 的目标输出