单层感知器-3| 学习笔记

简介: 快速学习单层感知器-3。

开发者学堂课程【机器学习算法 :单层感知器-3】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/535/detail/7236


单层感知器-3

 

内容介绍:

一、线性与非线性

二、单层感知器:实现逻辑运算

 

一、线性与非线性

1.线性(Linear)的严格定义是一种映射关系,其映射关系满足可加性和齐次性。通俗理解就是两个变量之间存在一次方函数关系,在平面坐标系中表现为一条直线。不满足线性即为非线性(non-linear)。

例如:

(1)超市买袜子,每双3元,没有折扣,如果把办会员卡的5元也算进来,则消费金额和购买袜子的数量如图所示,为线性关系。

 image.png

(2)路边摊买袜子,一双3元,两双5元,三双7元,四双10元......,此时消费金额和购买袜子的数量如图所示,为非线性关系。

image.png

2. 线性可分,即可以用一个超平面将正负样本分开。以二维空间的二分类为例,是指可以通过一条直线将数据分成正负样本两类。分类器(算法)也有线性和非线性两类。

(1)线性分类器使用超平面类型的边界,非线性分类器使用超曲面型的边界。

(2)线性分类器简单、容易理解,非线性分类器能解决更复杂的分类问题。

image.png


二、单层感知器:实现逻辑运算

1969年《Perceptrons》(感知器)证明了无法使用感知器来表示异或(两个值相等返回值为0,两个值不相等则返回值为1。

例如:

image.png

由图可得:(0,0)和(1,1)是一类,返回值为0。(0,1)和(1,0)是一类,返回值为1。并且无法用一条直线将其分开,需要用两条直线将其分开,如图所示:

image.png

用基本逻辑运算实现异或:image.png

用此设计实现上文的逻辑,如图:

image.png

或简化为:

image.png

利用多层感知器实现,如图所示:

image.png

权重值:image.png   阈值:T=2

相关文章
|
JavaScript 前端开发 测试技术
|
3月前
|
传感器 JSON 机器人
Sasha:使用大语言模型在智能家居中进行创造性目标导向推理——论文阅读
Sasha利用大语言模型实现智能家居中的创造性目标导向推理,通过迭代式澄清、过滤、规划与反馈机制,有效响应模糊用户指令。系统在真实家庭环境中表现出高相关性与用户满意度,支持复杂多步任务的自然交互,显著提升智能空间的适应性与可用性。
328 17
Sasha:使用大语言模型在智能家居中进行创造性目标导向推理——论文阅读
|
机器学习/深度学习 算法
魔搭案例开源获奖
赵卫东老师在第七届CCF开源创新大赛教学案例赛道中荣获特等奖。他的案例设计注重理论与实践结合,采用阿里魔搭平台和英特尔OpenVINO等先进技术,提升课程的实用性与前瞻性。该案例已开源,并在教学中取得显著成效。赵卫东老师一直坚持“学以致用、产教融合”的理念,多次在教学比赛中获奖。
415 7
|
算法 NoSQL 容器
启发式搜索: A*算法
启发式搜索: A*算法
|
存储 数据可视化 数据挖掘
使用Elasticsearch进行实时数据分析与预测
【8月更文第28天】Elasticsearch 是一个分布式的、RESTful 风格的搜索和分析引擎,它能够实时地存储、检索以及分析大规模的数据集。结合 Logstash 和 Kibana,它们共同构成了 Elastic Stack,这是一套强大的工具组合,适用于收集、存储、分析和可视化数据。
588 0
|
存储 编译器 C语言
|
机器学习/深度学习 人工智能 自然语言处理
一文搞懂深度学习:神经网络基础部分
一文搞懂深度学习:神经网络基础部分
611 0
|
机器学习/深度学习 人工智能 算法
一、单层感知器(MCP人工神经元模型)
一、单层感知器(MCP人工神经元模型)