Grunnleggende Av Nevrale Nettverk
Perceptron er et enkeltlags nevralt nettverk og en flerlags perceptron kalles Nevrale Nettverk.
Perceptron er en lineær klassifikator (binær). Det brukes også i veiledet læring. Det bidrar til å klassifisere de oppgitte inngangsdataene. Men hvordan pokker det fungerer ?
et normalt nevralt nettverk ser slik ut som vi alle vet
få denne boken 👇
Introduksjon Til Maskinlæring Med Python: En Guide For Dataforskere
det hjalp meg mye. 🙌 👍
som Du kan se har den flere lag.
perceptronen består av 4 deler.
- Inngangsverdier eller ett inngangslag
- Vekter Og Skjevhet
- Netto sum
- Aktiveringsfunksjon
FYI: Nevrale Nettverk fungerer på samme måte som perceptron. Så, hvis du vil vite hvordan nevrale nettverk fungerer, lær hvordan perceptron fungerer.
men Hvordan fungerer det?
perceptronen fungerer på disse enkle trinnene
A. Alle inngangene x multipliseres med sine vekter w. La oss kalle det k.
b. Legg til alle de multipliserte verdiene og kall Dem Vektet Sum.
c. Bruk den vektede summen til riktig Aktiveringsfunksjon.
For Eksempel: Aktiveringsfunksjon For Enhetstrinn.
