问题标签 [perceptron]

首先，我对 DOD 的这个概念很陌生，虽然对它很陌生，但从程序员的角度来看，我发现它真的很令人兴奋。

不久前，我为自己制作了一个多层感知器作为 OO 项目，并且由于我现在正在学习 DOD，所以我认为使用这种范例来制作它会很好。

我知道它可能不是（而且几乎肯定不是）最好的格式，但我试图将我在不同图层数组中使用得更多的东西分开。但是数组的存储方式确实让我很感兴趣，因为它们应该作为一个结构堆叠在一起，以便更快地读取内存（或者我错过了什么？）。如果我没记错的话， new[] 将数组分配在内存中的某个位置，并且只存储指向该位置的指针，而结构中的静态数组将在其空间内分配。

基于此，我想到了制作层（和网络）模板结构：

但是，如果 Layer 变成了这样的东西，是否有任何方法可以制作具有任意数量隐藏层的 Network 可变参数模板？还是我对静态数组的理解是错误的？创建此类数组（和访问时间）之间有什么区别吗？我的钥匙在哪里？

我正在努力实现一个单层感知器：http ://en.wikipedia.org/wiki/Perceptron 。根据权重，我的程序要么在学习循环中丢失，要么找到错误的权重。作为测试用例，我使用逻辑 AND。你能告诉我为什么我的感知器不收敛吗？这是为了我自己的学习。谢谢。

为什么在感知器或 SVM 算法中不使用 0-1 损失函数（从概念二元分类模型的角度来看是最明显和信息最丰富的）？

嗨，我目前有一个数组，其中包含文本文件的所有值，并且当前它在运行时读取文件，但我想在运行时为数组中的每个值生成输出。现在，在读回所有值后程序运行结束时，我有一个输出，但我想在程序打印回的每个值旁边生成一个输出列表。输出是使用训练算法创建的。这是我的代码：

这是我定义数组和其他变量的地方：

这是将文本文件放入数组的位置：

这是我用来创建输出的算法：

所以我基本上希望在打印值时为 x 中的每个值打印输出，有人可以帮助我吗？

我实际上正在回答这个问题（来自考试）：

以表格形式显示训练感知器执行布尔或运算的前五个时期；使用初始权重 0.3 和 -0.2；阈值为 0.2；和0.1的学习率

我在这里给出了答案： https ://docs.google.com/spreadsheet/pub?key=0AqDm6Izoam4OdF9sWXNQT0FqOF90UWpTeC1LdTd4VUE&output=html

但与 Wikipedia 中的示例不同，我没有包含偏见。有必要吗？

我已经阅读了一些关于此的其他问题（和相关答案），但我仍然有疑问：向阈值激活函数添加偏差会改变阈值吗？据我所知，添加偏差应该会沿 x 轴移动激活函数，因此它也应该改变阈值。

假设我们只有一个输入节点和一个输出节点，输入节点有一个阈值激活函数，阈值设置为 0。现在如果我们给 1 作为输入，神经元将激活并返回1 * weight到输出节点，但是如果我们添加一个权重为 2 的偏置节点a_0 = -1，连接到输入节点，并给之前的输入 1，则神经元将不再激活，因为现在我们必须至少达到 2 才能激活它。这是否可以被视为“改变”阈值？

我正在编写具有单个输出单元（二进制分类）的 MLP 的简单实现。我需要它用于教学目的，所以我不能使用现有的实现:(

我设法创建了一个有效的虚拟模型并实现了训练功能，但 MLP 没有收敛。实际上，输出单元的梯度在多个时期内仍然很高，因此它的权重接近无穷大。

我的实现：

以及输出单元在 epoch 上的梯度和权重的演变：

...

我尝试了不同的数据集，不同数量的隐藏单元。我试图用加法而不是减法来更新权重......没有什么帮助......

有人可以告诉我可能出了什么问题吗？提前致谢

我试图（完全）掌握神经网络背后的想法，所以我从创建自己的简单感知器算法开始。

这是我的代码（在 JavaScript 中）：

结果不一致，（我正在使用 AND 算法来学习）。
情节应如下所示：

但通常如下所示：

我确定我在这里遗漏了一些小东西，
在此先感谢。

我正在尝试通过制作一条线（感知器）f并使一侧的点+1和另一侧的-1来制作一组数据点。然后制作一条新线 g 并尝试通过更新 w = w+ y(t)x(t) 使其尽可能接近 f，其中 w 是权重，y(t) 是 +1,-1 和 x(t ) 是错误分类点的坐标。实施此操作后，我并没有从 g 到 f 非常合适。这是我的代码和一些示例输出。

117 <--- 带有 g 的原始错误分类数

[-116.9, -300.9, 190.1] <--- 最终权重

617 <--- 算法后带有 g 的原始错误分类数

956 <--- 带有 g 的原始错误分类数

[-33.9, -12769.9, -572.9] <--- 最终权重

461 <--- 算法后带有 g 的原始错误分类数

我对 matplotlib 非常陌生，并且正在从事简单的项目以熟悉它。我想知道如何绘制决策边界，它是 [w1,w2] 形式的权重向量，它基本上将两个类分开，比如说 C1 和 C2，使用 matplotlib。

是否像绘制从 (0,0) 到点 (w1,w2) 的线一样简单（因为 W 是权重“向量”）如果是这样，如果需要，我如何在两个方向上扩展它？

现在我正在做的就是：

提前致谢。