感知器的簡介
感知器也可翻譯為感知機是
各式各樣的感知器6張
Frank Rosenblatt在1957年就職于Cornell航空實驗室Cornell Aeronautical Laboratory時所發明的一種人工神經網絡它可以被視為一種最簡單形式的前饋式人工神經網絡是一種二元線性分類器[2]
Frank Rosenblatt給出了相應的感知器學習算法常用的有感知機學習最小二乘法和梯度下降法譬如感知機利用梯度下降法對損失函數進行極小化求出可將訓練數據進行線性劃分的分離超平面從而求得感知器模型
感知器是生物神經細胞的簡單抽象如右圖.神經細胞結構大致可分為樹突突觸
圖1.神經細胞示意圖
細胞體及軸突單個神經細胞可被視為一種只有兩種狀態的機器激動時為‘是’而未激動時為‘否’
神經細胞的狀態取決于從其它的神經細胞收到的輸入信號量及突觸的強度（抑制或加強）當信號量總和超過了某個閾值時細胞體就會激動產生電脈沖電脈沖沿著軸突并通過突觸傳遞到其它神經元為了模擬神經細胞行為與之對應的感知機基礎概念被提出如權量（突觸）偏置（閾值）及激活函數（細胞體）
在人工神經網絡領域中感知器也被指為單層的人工神經網絡以區別于較復雜的多層感知器（Multilayer Perceptron） 作為一種線性分類器（單層）感知器可說是最簡單的前向人工神經網絡形式盡管結構簡單感知器能夠學習并解決相當復雜的問題感知器主要的本質缺陷是它不能處理線性不可分問題
內容聲明：本文僅代表作者觀點，不代表本網站立場。本站對作者上傳的所有內容將盡可能審核來源及出處，但對內容不作任何保證或承諾。請讀者僅作參考并自行核實其真實性及合法性。如您發現圖文視頻內容來源標注有誤或侵犯了您的權益請告知，本站將及時予以修改或刪除。未經作者許可，禁止轉載。
