深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）[1] —— 單層感知器

• 算法描述
• python實(shí)現(xiàn)
• 示例運(yùn)行結(jié)果
• 可視化

算法描述

最原始的神經(jīng)網(wǎng)絡(luò)模型，類似于神經(jīng)網(wǎng)絡(luò)中的單個(gè)神經(jīng)元，該算法局限性也很大，只適用于解決線性可分的問(wèn)題，對(duì)于線性不可分的問(wèn)題和異或問(wèn)題則無(wú)法解決。但作為神經(jīng)網(wǎng)絡(luò)的基本單元，學(xué)習(xí)和理解單層感知器，對(duì)后續(xù)的學(xué)習(xí)是很有幫助的。

python實(shí)現(xiàn)

# ************************** Perception ****************** import numpy as np import pandas as pd import matplotlib.pyplot as plt class CyrusPerception(object):def __init__(self,**kargs):self.X = Noneself.Y = Noneself.W = Noneself.output = Noneif "epoch" in kargs.keys():self.epoch = kargs["epoch"]else:self.epoch = 1000if "lr" in kargs.keys():self.lr = kargs["lr"]else:self.lr = 0.1def fit(self,X,Y,**kargs):self.X = np.hstack((np.ones((np.array(X).shape[0],1)),np.array(X)))self.Y = np.array(Y).reshape(-1,1)# 1、初始化權(quán)值if "W" in kargs.keys():self.W = kargs["W"]else:self.W = (np.random.random([self.X.shape[1],1])-0.5)*2# 2、更新權(quán)值for i in range(self.epoch):self.update_w()print("*"*20)print("epoch:",i+1)print("w:",self.W)if (self.Y == self.output).all():print("*"*20)print("Finihed")print("epoch",self.epoch)breakdef update_w(self):self.output = np.sign(self.X.dot(self.W)).reshape(-1,1)self.W += self.lr*(self.X.T.dot(self.Y - self.output))/int(self.X.shape[0]) if __name__ == "__main__":model = CyrusPerception()x = [[3,3],[4,3],[1,1],[0,2]]y = [1,1,-1,-1]model.fit(x,y)# 繪圖k = -model.W[1]/model.W[2]b = -model.W[0]/model.W[2]x_lineal = np.array([0,5])y_lineal = k*x_lineal + bplt.figure()colors = "rgb"[plt.scatter(x[i][0],x[i][1],color = colors[y[i]]) for i in range(len(x))]plt.plot(x_lineal,y_lineal,color = "r")plt.show()

示例運(yùn)行結(jié)果

******************** epoch: 1 w: [[-0.31672519][-0.16285498][ 0.19094236]] ******************** epoch: 2 w: [[-0.26672519][ 0.18714502][ 0.39094236]] ******************** epoch: 3 w: [[-0.36672519][ 0.13714502][ 0.24094236]] ******************** epoch: 4 w: [[-0.46672519][ 0.08714502][ 0.09094236]] ******************** epoch: 5 w: [[-0.46672519][ 0.08714502][ 0.09094236]] ******************** Finihed epoch 1000

可視化

by CyrusMay 2020 05 05

當(dāng)煙霧隨晨光飄散
枕畔的湖已風(fēng)干
期待已退化成等待
而我告別了突然

——五月天（后青春期的詩(shī)）——

總結(jié)

以上是生活随笔為你收集整理的深度学习（神经网络）[1]——单层感知器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。