4.5感知器神经网络应用的局限性 由于感知器神经网络在结构和学习规则上的限制,其应用也有一定的局限 性 首先,感知器的输出只能取0或1。 其次,单层感知器只能对线性可分的向量集合进行分类 4.6感知器神经网络设计实例 下面给出例题来进一步了解感知器解决问题的方式,掌握设计训练感知器的 过程 [例4.]考虑一个简单的分类问题。 设计一个感知器,将二维的四组输入矢量分成两类 输入矢量为:P=[-05-0.50.30; -0.50.5-0.51] 目标矢量为:T=[1.01000, 解: 通过前面对感知器图解的分析可知,感知器对输入矢量的分类实质是在输入 矢量空间用W*P十b=0的分割界对输人矢量进行切割而达到分类的目的。根据 这个原理,对此例中二维四组输人矢量的分类问题,可以用下述不等式组来等价 表示出: 0.5w1-0.5w2+w3>0(使车=1成立 0.5w1+0.5w2+w3>0(使2=1成立) 0.3w1-0.5w2+w3<0(使勾3=0成立) +W2<0 (使4=0成立) 实际上可以用代数求解法来求出上面不等式中的参数w1、w和w3。经过迭 代和约简,可得到解的范围为7 4. 5 感知器神经网络应用的局限性 由于感知器神经网络在结构和学习规则上的限制，其应用也有一定的局限 性。 首先，感知器的输出只能取 0 或 1。 其次，单层感知器只能对线性可分的向量集合进行分类。 4. 6 感知器神经网络设计实例 下面给出例题来进一步了解感知器解决问题的方式，掌握设计训练感知器的 过程。 [例 4．1]考虑一个简单的分类问题。 设计一个感知器，将二维的四组输入矢量分成两类。 输入矢量为：P＝[-0.5 -0.5 0.3 0； -0.5 0.5 -0.5 1]； 目标矢量为：T＝[1.0 l.0 0 0]， 解： 通过前面对感知器图解的分析可知，感知器对输入矢量的分类实质是在输入 矢量空间用 W*P 十 b＝0 的分割界对输人矢量进行切割而达到分类的目的。根据 这个原理，对此例中二维四组输人矢量的分类问题，可以用下述不等式组来等价 表示出： 实际上可以用代数求解法来求出上面不等式中的参数 w1、w2 和 w3。经过迭 代和约简，可得到解的范围为：