perceptron

    0热度

    1回答

    关于Perceptron的一些问题

    我正在学习一点ML，并且在我脑海中留下了一些问号，特别是关于感知器。所以例如我问： 1）我们可以看到b的偏差和权重作为我们的线性分隔符的系数吗？仅当我们在2D线性分隔符是线时才有效？ 2）我们的目标是创建一条线，以精确划分我们训练数据中的数据点吗？意味着，在学习阶段结束时，该算法“发现”了（如果我们是2D的话）最能区分这两种点的线。发生这种情况是因为训练数据中有正确的标签y，算法可以找到真实标签和
    machine-learning neural-network classification perceptron 2017-09-06

    1热度

    1回答

    感知器和形状识别

    我最近实现了一个简单的感知器。这种类型的感知器（仅由一个神经元组成，在输出中给出二进制信息）只能解决类可以线性分离的问题。 我想在8乘8像素的图像中实现简单的形状识别。我想举个例子，我的神经网络能够告诉我，我绘制的是一个圆或不是。 如何知道这个问题是否有线性可分类？由于有64个输入，它仍然可以线性分离吗？一个简单的感知器能解决这种问题吗？如果不是，什么样的感知器可以？我对此有点困惑。 谢谢！
    perceptron 2017-06-04

    1热度

    1回答

    OR函数感知器不会收敛

    我正在实现一个简单的感知器用于在Python中对OR函数进行分类。但是错误不会交谈。任何建议将不胜感激。 def activation_function(x): if x<0: return 0 else: return 1 training_set = [((0, 0), 0), ((0, 1), 1), ((1, 0), 1), ((1, 1),
    python machine-learning neural-network artificial-intelligence perceptron 2017-09-13

    1热度

    1回答

    用于AND逻辑门的单层神经网络（Python）

    我一直在试图让下面的神经网络工作，作为一个简单的AND门，但它似乎并没有工作。以下是我的代码： import numpy as np def sigmoid(x,derivative=False): if(derivative==True): return x*(1-x) return 1/(1+np.exp(-x)) np.random.seed(1)
    python machine-learning neural-network logical-operators perceptron 2017-06-09

    0热度

    1回答

    Python中的感知器代码，虹膜数据不收敛

    import numpy as np import pandas as pd import matplotlib.pyplot as plt class Perceptron(object): def __init__(self, eta=0.01, n_iter=10): self.eta = eta self.n_iter = n_iter
    python-3.x machine-learning perceptron 2017-08-02

    0热度

    1回答

    python简单的神经网络正确的XOR函数

    我已经实现了这个简单的模型来学习神经网络，它训练良好，并给出了最初给出的输出。 这就是我在XOR功能识别的例子中的一种损失，我希望能够测试它，而不是训练它。似乎所有在线阅读都是关于训练，然后在那里停下来。 这是否意味着对于每个新输入模型都必须重新计算和训练整个集合？与权重有什么关系？您将如何继续将模型运行为“现场”并将新的输入作为其现场反馈的一部分以及正在进行的经常性培训？ 感谢 import n
    python neural-network perceptron 2017-06-19

    2热度

    2回答

    OpenCV用于图像处理的神经网络

    我是AI界的新手，尝试一些练习。 看起来我需要一些第三方体验。 比方说，我需要摆脱图像缺陷（实际上任务更棘手）。 我希望受过训练的NN能够插入缺陷区域。 由于这些原因，我尝试创建简单的神经网络。 它有输入：具有deffect（72 * 54）的灰度图像和没有缺陷的相同图像。 隐藏层有2 * 72 * 54个神经元。 的代码主片 cv::Ptr<cv::ml::ANN_MLP> ann = cv::
    c++ opencv image-processing neural-network perceptron 2017-06-19

    -2热度

    1回答

    我如何区分神经元和感知器？

    从概念上讲，两人说话都不一样。仍然存在混淆。让我总结一下我的理解，请教育我。这两者之间存在微小的区别因素。 1）特定感知器的权重/偏差的微小变化会大大地使其他感知器的行为有所不同，认为改变后的感知器能够正确执行？ 2）感知器的小变化可以产生不同的输出。 3）如上所述，S形神经元就是一个很好的例子，它可以对微小的重量/偏差变化做出微小的输出变化。 4）感知器输出0或1，而神经元（例如：sigmoid
    machine-learning neural-network perceptron 2017-06-21

    1热度

    1回答

    NOT函数的布尔感知器

    我正试图为基本布尔表达式实现一个简单的感知器。但我无法正确训练NOT感知器。 我是能够成功地TRAINE的AND和OR感知到给定输入集返回正确的价值观。但是当我尝试训练不是。 这就是我正在做它： 的AND和OR感知器有两个输入，两个权重和一个偏置（固定到偏置输入）。 所有感知器始于全部重量。 然后我生成随机值（介于0和1之间）来训练感知器，并将其保持在一个循环中，直到我得到10个正确的猜测。 他们
    javascript machine-learning neural-network boolean-logic perceptron 2017-08-11

    1热度

    1回答

    SKLearn感知器在稀疏和密集时行为不同

    感知器在给定密集格式的矩阵时，与给出稀疏格式的相同矩阵相比，给出了不同的结果。我认为这可能是一个混乱的问题，所以我使用cross_validate从sklearn.model_selection运行交叉验证，但没有运气。 讨论了一个类似的问题here。但是有一些理由。这里有任何理由吗？ 仅供参考，我使用感知与参数是： penalty='l2', alpha=0.0001, fit_intercep
    python scikit-learn sparse-matrix perceptron 2017-10-19
最新问题