4.7作业 多个神经元分类,又称模式联想 对如下输入、输出样本进行分类。要求画出最后的线形图。 P=[010.70.80.81.00.30.00.3-0.5-15; 12181.606080.5020.8-1.5-1.3] 所对应的10组二元目标矢量为: T=[1110011100 0000011111]; 4.8感知器的局限性 由于感知器自身结构的限制,使其应用被限制在一定的范围内。所以在采用 感知器解决具体问题时,必须时刻考虑到其特点。一般来说,感知器有以下局限 性 1)由于感知器的激活函数采用的是阀值函数,输出矢量只能取0或1,所以 只能用它来解决简单的分类问题; 2)感知器仅能够线性地将输入矢量进行分类。如果用一条直线或一个平面把 一组输入矢量正确地划分为期望的类别,则称该输入输出矢量是对线性可分的, 否则为线性不可分。那么,利用感知器将永远也达不到期望输出的网络权矩阵。 所以用软件设计感知器对权值进行训练时,需要设置一个最大循环次数。如果在 达到该最大循环次数后,还没有达到期望的目标,训练则停止,以便不使不可分 的矢量占用无限循环的训练时间。不过应当提醒的是,理论上已经证明,只要输 人矢量是线性可分的,感知器在有限的时间内总能达到目标矢量; 3)感知器还有另外一个问题,当输入矢量中有一个数比其他数都大或小得很 多时,可能导致较慢的收敛速度 感知器在解决实际问题时,必须在输入矢量是线性可分时才有效,这是很难 得到的情形。虽然感知器有上述局限性,但它在神经网络研究中有着重要的意义 和地位。它提出了自组织自学习的思想。对能够解决的问题有一个收敛的算法, 并从数学上给出了严格的证明。对这种算法性质的研究仍是至今存在的多种算法10 4．7 作业 多个神经元分类，又称模式联想。 对如下输入、输出样本进行分类。要求画出最后的线形图。 4．8 感知器的局限性 由于感知器自身结构的限制，使其应用被限制在一定的范围内。所以在采用 感知器解决具体问题时，必须时刻考虑到其特点。一般来说，感知器有以下局限 性： 1)由于感知器的激活函数采用的是阀值函数，输出矢量只能取 0 或 1，所以 只能用它来解决简单的分类问题； 2)感知器仅能够线性地将输入矢量进行分类。如果用一条直线或一个平面把 一组输入矢量正确地划分为期望的类别，则称该输入/输出矢量是对线性可分的， 否则为线性不可分。那么，利用感知器将永远也达不到期望输出的网络权矩阵。 所以用软件设计感知器对权值进行训练时，需要设置一个最大循环次数。如果在 达到该最大循环次数后，还没有达到期望的目标，训练则停止，以便不使不可分 的矢量占用无限循环的训练时间。不过应当提醒的是，理论上已经证明，只要输 人矢量是线性可分的，感知器在有限的时间内总能达到目标矢量； 3)感知器还有另外一个问题，当输入矢量中有一个数比其他数都大或小得很 多时，可能导致较慢的收敛速度。 感知器在解决实际问题时，必须在输入矢量是线性可分时才有效，这是很难 得到的情形。虽然感知器有上述局限性，但它在神经网络研究中有着重要的意义 和地位。它提出了自组织自学习的思想。对能够解决的问题有一个收敛的算法， 并从数学上给出了严格的证明。对这种算法性质的研究仍是至今存在的多种算法