fundamentet for neurale netværk
Perceptron er et enkeltlags neuralt netværk, og en flerlags perceptron kaldes neurale netværk.
Perceptron er en lineær klassifikator (binær). Det bruges også i overvåget læring. Det hjælper med at klassificere de givne inputdata. Men hvordan dælen det virker ?
et normalt neuralt netværk ser sådan ud som vi alle ved
få denne bog Kris
Introduktion til maskinindlæring med Python: en Guide til dataforskere
det hjalp mig meget. Venstre
som du kan se det har flere lag.
perceptronen består af 4 dele.
- indgangsværdier eller et indgangslag
- vægte og Bias
- nettosum
- aktiveringsfunktion
FYI: De neurale netværk fungerer på samme måde som perceptronen. Så hvis du vil vide, hvordan neurale netværk fungerer, skal du lære, hvordan perceptron fungerer.
men hvordan virker det?
perceptronen arbejder på disse enkle trin
A. alle indgange ganges med deres vægte m. lad os kalde det k.
B. Tilføj alle de multiplicerede værdier og kalder dem vægtet Sum.
c. anvend den vægtede sum til den korrekte aktiveringsfunktion.
For Eksempel: Enhedstrinaktiveringsfunktion.
