grunden för neurala nätverk
Perceptron är ett enda lager neuralt nätverk och en flerskiktsperceptron kallas neurala nätverk.
Perceptron är en linjär klassificerare (binär). Det används också i övervakat lärande. Det hjälper till att klassificera de givna inmatningsdata. Men hur sjutton det fungerar ?
ett normalt neuralt nätverk ser ut så här som vi alla vet
få den här boken bisexuell
introduktion till maskininlärning med Python: en Guide för datavetenskapare
det hjälpte mig mycket.
som du kan se har den flera lager.
perceptronen består av 4 delar.
- ingångsvärden eller ett ingångslager
- vikter och Bias
- netto summa
- aktiveringsfunktion
FYI: Neurala nätverk fungerar på samma sätt som perceptron. Så, om du vill veta hur neuralt nätverk fungerar, lära dig hur perceptron fungerar.
men hur fungerar det?
perceptronen fungerar på dessa enkla steg
a. alla ingångar X multipliceras med sina vikter w. Låt oss kalla det k.
b. Lägg till alla multiplicerade värden och kalla dem viktad summa.
c. applicera den viktade summan på rätt aktiveringsfunktion.
Till Exempel: Enhetsstegsaktiveringsfunktion.