感知器代码解释

-1

下面的代码是怎么回事？感知器代码解释

function [ errors sepplane ] = perceptron (pclass , nclass) 
    sepplane = rand (1 , columns (pclass) + 1) - 0.5; 
    tset = [ ones (rows (pclass), 1) pclass ; 
      - ones (rows (nclass), 1) -nclass 
      ]; 
    i = 1; 
    do 
     misind = tset * sepplane ' < 0; 
     correction = sum (tset (misind , :), 1)/sqrt (i); 
     sepplane = sepplane + correction; 
     ++ i; 
    until (norm (sepplane) * 0.0005) - norm (correction) > 0 || i > 1000; 

    errors = mean (tset * sepplane ' < 0); 
    dzeros = tvec (tlab == 1 , :); 
    dones = tvec (tlab == 2 , :); 
    perceptron (dzeros , dones) 
end

（0）为什么这个代码，以便比this one截然不同？

（1）为什么正面和负面的课程分别通过第一名？那么做分类有什么意义呢？

（2）什么是sepplane？

（3）什么是misind？

（4）计算correction背后的基本原理是什么？

来源

2016-12-26 anonymous

根据你最近的几个问题，我强烈建议你做更多关于感知器的背景知识。维基百科页面链接到看起来有用的[书籍章节]（http://page.mi.fu-berlin.de/rojas/neural/chapter/K3.pdf）。一旦你理解了这个理论，这个代码就是一个直接的实现。 – Cecilia

@ Cecilia，是的。但是，你的回答为我节省了将近24小时。 – anonymous

这不是MATLAB代码 – excaza

（0）为什么这段代码与另一段代码差别很大？

这个感知器可以修改为多类。另一个严格用于二进制分类。

（1）为什么正面和负面的课程分别通过第一名？那么做分类有什么意义呢？

这是感知的训练步骤，所以您需要的正面和负面的例子来学习的权重

（2）什么是sepplane？

感知器学习的分离超平面。

（3）什么是misind？

如果示例被正确分类，则为1，否则为1。

（4）校正计算背后的基本原理是什么？

如果我错误地分类了一个例子，我想调整权重，以便在下一次通过感知器运行时正确分类。

来源

2016-12-26 18:40:56 Cecilia

感知器代码解释

回答

相关问题