感知器模型入門:
感知器由美國計算機科學家羅森布拉特於1957年提出,其基本模型如下:
無數博客中已對神經網絡的基本知識做了詳盡的介紹,在此不贅述。
感知器的學習過程
單層神經網絡中有:
簡單起見,規定感知器的輸出根據X來分類,
則學習的過程可以理解爲,已知輸入,不斷調整加權參數
下面說明學習的具體過程。記
單層感知器網絡只針對線性可分的模型。在一定步驟之後可收斂。另:若
BP神經網絡
BP網絡結構:
如圖所示,不加贅述。
BP學習規則
BP學習規則基於BP算法,其屬於
MATLAB使用BP神經網絡
1. 創建函數
newcf(P,T,[S1 S2…S(N-1)],{TF1 TF2…TFN},BTF,BLF,PF,IPF,OPF,DDF)
P - RxQ1 矩陣, Q1組包含R個元素的輸入矩陣
T - SNxQ2 矩陣,Q2組包含SN個元素的輸出矩陣
Si - 第i層的長度,默認[]
TFi - 傳函,默認tansig。具體在後文解釋