感知器算法PPT教案学习.pptx

会计学
1
感知器算法
2
(3)调整增广权矢量，规则是
-- 如果 和 ，则
-- 如果 和 ，则
-- 如果 和 ，
或 和 ，则
(4)如果k < N，令k = k+1，返至⑵。如果k = N，检验判别函数 对 是否都能正确分类。若是，结束；若不是,令 k=1，返至⑵。
< 0
第1页/共13页
W的训练过程：
例如:x1, x2, x3∈ω1 作 x1, x3的垂直线可得解区(如图)
假设起始权向量w1=0 ρk = 1
1. x1, x2, x3三个矢量相加得矢量2,垂直于矢量2的超平面H将x3错分.
2. x3与矢量2相加得矢量3,垂直于矢量3的超平面H1,将x1错分.
,垂直于矢量4做超平面, H2将x3错分
4. x3与矢量4相加得矢量5,矢量5在解区内,垂直于矢量5的超平面可以把 x1, x2, x3分成一类 。
x1
x2
x3
2
H
3
H1
4
H2
5
W区间
第2页/共13页
ρk选择准则
①     固定增量原则 ρk固定非负数

②     绝对修正规则 ρk>


③ 部分修正规则 ρk=λ 0＜λ≤2
第3页/共13页
例题：有两类样本
ω1=（x1,x2）={(1,0,1),(0,1,1)}
ω2=（x3,x4）={(1,1,0),(0,1,0)}
解：先求四个样本的增值模式
x1=(1,0,1,1) x2=(0,1,1,1)
x3=(1,1,0,1) x4=(0,1,0,1)
假设初始权向量 w1=(1,1,1,1) ρk=1
第一次迭代：
w1Tx1=(1,1,1,1) (1,0,1,1)T=3>0 所以不修正
w1Tx2=(1,1,1,1) (0,1,1,1)T=3>0 所以不修正
w1Tx3=(1,1,1,1) (1,1,0,1)T=3>0 所以修正w1
w2=w1-x3=(0,0,1,0)
w2Tx4=(0,0,1,0)T (0,1,0,1) =0 所以修正w2
w3=w2-x4=(0,-1,1,-1)
第一次迭代后,权向量w3=(0,-1,1,-1),再进行第2,3,…次迭代
如下表（下面请大家自己进行第2次迭代）
第4页/共13页
直到在一个迭代过程中权向量相同，训练结束。
w6=w=(0,1,3,0) 判别函数g(x)= -x2+3x3
感知器算法只对线性可分样本有收敛的解,对非线性可分样本集会造成训练过程的振荡,这是它的缺点.
训练样本
wkTx
修正式
修正后的权值wk＋1
迭代次数
x1 1 0 1 1
x2 0 1 1 1
x3 1 1 0 1
x4 0 1 0 1
+
+
+
0
w1
w1
w1-x3
w2-x4
1 1 1 1
1 1 1 1
0 0 1 0
0 –1 1 -1
1
x1 1 0 1 1
x2 0 1 1 1
x3 1 1 0 1
x4 0 1 0 1
0
+
0
-
w3+x1
w4
w4-x3
w5
1 –1 2 0
1 –1 2 0
0 –2 2 –1
0 –2 2 -1
2
x1 1 0 1 1
x2 0 1 1 1
x3 1 1 0 1
x4 0 1 0 1
+
-
-
-
w5
w5+x2
w6
w6
0 –2 2 –1
0 –1 3 0
0 –1 3 0
0 –1 3 0
3
x1 1 0 1 1
x2 0 1 1 1
x3 1 1 0 1
x4 0 1 0 1
+