在感知器中,一层的神经网络,更新权重和偏差的算法是什么?我知道有多种算法,但有没有一种标准的算法易于在代码中实现?什么是感知器学习算法?
0
A
回答
0
我想,而不是仅仅陈述算法在这里,我应该从哪里开始提供一些材料,并快速理解端到端的算法。
考虑这本书:Neural Networks: A Systematic Introduction,但劳尔罗哈斯。
对于感知学习,请参阅第4.2节
对于一个非常不错的概述,意向,算法,在其中进行学习的空间的融合和可视化。我建议先阅读第3章,然后阅读第4章。
0
标准算法是gradient descent using back-propagation。算法如下:
- 猜测初始权重和偏差。
- 计算“正向通过”,您在其中使用权重和偏差来计算估计值
y_hat
。 - 计算的损失,这是真值
y
和估计值y_hat
你从步骤2 - 计算损失的相对于每个权重和偏置的梯度计算之间的差异。此渐变将采用小浮点数的形式。这个步骤被称为“反向传递”,并将名称称为“反向传播”,其中该损失的梯度被向后推。
- 通过添加渐变更新权重和偏差。
当您重复步骤2到5几次(称为时期)后,您将希望拥有最佳的权重和偏差。
0
感知器是一个线性二元分类器。
w <- initialize randomly (e.g. uniformly in [-1, 1])
learning_rate <- 0.42 # something in (0, 1)
for epoch in range(42):
y <- perceptron_classification(x)
w <- w - learning_rate * (y - target) * x
如果你想看到一个工作(测试)最小的实现,看看我的仓库:它通常是与delta规则的培训https://github.com/MartinThoma/algorithms/tree/master/perceptron
+0
经典感知器没有学习速率,也没有迭代次数,因为它只能用于线性可分数据集。 – lejlot
相关问题
- 1. 感知器学习算法
- 2. 机器学习 - 感知器
- 3. 感知器学习算法的参数调整
- 4. 验证感知器学习示例
- 5. Weka多层感知器增量学习
- 6. 如何计算感知器学习算法的最大迭代次数?
- 7. 这个简单优化的机器学习算法是什么?
- 8. 什么是一些机器学习算法
- 9. 机器学习算法
- 10. 为什么NLP和机器学习社区对深度学习感兴趣?
- 11. 蟒蛇 - 多层感知器,反向传播,无法学习XOR
- 12. 什么是机器学习中的学习曲线?
- 13. 什么是学习机器学习的最佳编程语言?
- 14. 什么是学习机器学习的好实施?
- 15. 学习机器学习的先决条件是什么?
- 16. 帮助学习算法基础知识
- 17. 什么是机器学习基准?
- 18. 什么是学习PHP
- 19. 学习什么DJANGO_SETTINGS_MODULE是
- 20. 什么机器学习算法用于人脸匹配?
- 21. 什么机器学习算法适合射击篮球?
- 22. 深度Q学习算法中的phi是什么
- 23. 什么是落后的scikit学习extract_patches函数理论/算法?
- 24. Rapidminer中的深度学习算法的类型是什么?
- 25. 感知器学习算法:算法的收敛性证明,为什么|| w * ||等于1还是这个条件是必要的?
- 26. 学习图算法
- 27. Adaline学习算法
- 28. 网上有什么用来学习AI和机器学习的基础知识
- 29. 感知器的“订单”是什么
- 30. 关于机器学习,统计学习算法
那么你在维基百科学到了什么? – sascha