perceptron

    1热度

    2回答

    我正在试验单层感知器,我想我理解(大部分)都是。但是,我不明白的是应该在哪些权重上加上修正(学习率*错误)。在我看到的例子中,这似乎是任意的。

    2热度

    1回答

    运行perceptron code in Matlab我得到以下的权重后分离2班,使用感知MATLAB的输出线: result= 2.5799 2.8557 4.4244 -4.3156 1.6835 -4.0208 26.5955 -12.5730 11.5000 如果我开始与这些权重: w = [ 1

    0热度

    1回答

    我正在移动我的神经网络的第一步,为此我正在试验一个非常简单的单层单输出感知器,它使用S形激活函数。我使用呈现一个训练样例中时更新的在线我的权重: weights += learningRate * (correct - result) * {input,1} 这里weights是其中还包含从偏置神经元的权重正长度矢量( - 阈值),result是结果如由感知器计算(并且使用sigmoid处理)

    0热度

    1回答

    我有四点:A =( - 0.5,-0.5)B =( - 0.5,0.5)C =(0.3,-0.5)= d(0.0,1.0) 我需要要对这些点进行分类,首先a,b和后c,d 第一步是定义感知器,但是,在R中定义感知器的方法是什么? 感谢

    0热度

    1回答

    我的机器学习教科书问这个问题,讨论感知器算法,我真的不能拿出满意的答案。 有哪些情况?

    0热度

    2回答

    从两个数组对我有一对夫妇的数组: x = [0:pi/16:2*pi] y = [0:pi/16:2*pi] 而且我想在这样一个矩阵XY: xY = [(0,0) (0,pi/16) ... (0,2pi); (pi/16,0) (pi/16,pi/16) ... (pi/16,2pi); : : : (2pi,0) (2pi,pi

    6热度

    1回答

    所以here显示一个简单的例子 - 2辆花车数据+ 1名持股量输出: Layer 1: 2 neurons (2 inputs) Layer 2: 3 neurons (hidden layer) Layer 3: 3 neurons (hidden layer) Layer 4: 1 neurons (1 output) 我们创造的AN喜欢的东西

    3热度

    1回答

    所以有grate sample(我们找到的只有一个真实样本)。这是相当有限的。它展示了如何创建一个人造中性网络的架构,其中一层的所有神经元都连接(向前)到下一层(下一层)的所有神经元。我们想管理这个连接,以创建一个ANN,其中第二层的每个神经元仅连接到下一层的两个神经元。所以我们想: Layer 1: 2 neurons (2 inputs) Layer 2: 3 neurons

    3热度

    1回答

    我很难理解如何实现用于词性标注的结构感知器。您能否确认或纠正我的想法,并且/或填写缺失的空白处? 所以,基本上结构感知器是多类别感知器的变体,除了你如何实现收集最好的分数。做出一阶马尔可夫假设,表示当前序列索引仅取决于先前的索引。输入是一个完整的单词序列,而不是像一个非结构化案例中的一个单词,以及所有可能的标签(y)的一个向量。函数f(x,y)返回给定单词序列的猜测标签序列。 在多类别感知器中,通

    4热度

    1回答

    我想在Hadoop的帮助下训练一个神经网络。我们知道在训练神经网络时,每次迭代都会改变每个神经元的权重,并且每次迭代都依赖于前一次迭代。我是Hadoop的新手,对其提供的功能不太了解。我可以用方法addDependingJob()的帮助来链接迭代,强调依赖性吗?或者在Hadoop的帮助下可以使用其他技巧来实现NN。 任何意见将不胜感激。 感谢和最好的问候。