智能控制理论及应用 课件 第6章-单层感知器.pptx

主要内容6.1单层感知器的结构6.2单层感知器的功能6.3单层感知器的学习算法6.4单层感知器的局限性6.5单层感知器仿真示例

6.1单层感知器的结构感知器1957年由FrankRosenblatt提出。F.Rosenblatt.Theperceptron:aprobabilisticmodelforinformationstorageandorganizationinthebrain.PsychologicalReview,65:386-408,1958.研究领域:心理学认知心理学第6章6.1单层感知器的结构

6.1单层感知器的结构该模型由一个线性组合器+二元阈值单元组成第6章6.1单层感知器的结构

6.1单层感知器的结构阈值函数对称型阈值函数第6章6.1单层感知器的结构

小练习假设有一个感知器有3个输入，分别为5，-10，6对应权重为0.6，0.8，-1.5，偏差为0.5，阈值函数作为激活函数请计算它的输出。第6章6.1单层感知器的结构

实例:二维输入感知器yx1x2uw1w2第6章6.1单层感知器的结构

6.2单层感知器的功能实现模式识别实现逻辑函数“与”“或”“非”第6章6.2单层感知器的功能

1.实现模式识别第6章6.2单层感知器的功能左图是苹果与柠檬的部分采样数据横坐标描述的是水果的重量（克）纵坐标描述的是水果的高度（厘米）单层感知器的2维输入特征分别为水果的重量和高度，输出为识别出的水果的种类

2.实现逻辑函数第6章6.2单层感知器的功能

6.3单层感知器的学习算法第6章6.3单层感知器的学习算法单层感知器的学习算法采用有监督的纠错学习算法。

6.3单层感知器的学习算法收敛准则：误差小于最大允许误差(2)两次迭代之间的权重变化很小(3)设定最大迭代次数M,达到最大迭代次数之后算法就停止。第6章6.3单层感知器的学习算法

举例：如何学会“与”Nox1x2d1000201031004111yx1x2w1w21.初始化：w0,w1,w2=0.01;2.计算激活值:y1=0,y2,y3,y4=13.权重更新:4.迭代将迭代增加一次，返回步骤2，并重复该过程，直到收敛。p样本索引i输入索引t迭代索引Samples第6章6.3单层感知器的学习算法

不同学习率的比较iterationw1w2w0(b)output00.010.010.01[0111]1-0.89-0.891.81[0000]20.010.010.91[0000]30.910.910.01[0111]40.010.011.81[0000]50.910.910.91[0111]60.010.012.71[0000]70.910.911.81[0001]iterationw1w2w0(b)output00.010.010.01[0111]1000.3[0000]20.010.010.02[0001]第6章6.3单层感知器的学习算法

给定X=(x1,x2)T二维空间中为判别边界线yx1-1x26.4单层感知器的局限性第6章6.4单层感知器的局限性

给定X=(x1,x2,x3)T在三维空间中为分界面。x2yx1x3-1第6章6.4单层感知器的局限性

给定X=(x1，x2,…,xn)T在n维空间中的一个超平面单层感知器只能解决线性可分问题，而对于线性不可分问题，单层感知器是无法实现正确分类的。第6章6.4单层感知器的局限性

第6章6.4单层感知器的局限性

第6章6.4单层感知器的局限性线性可分线性不可分

6.5单层感知器仿真示例第6章6.5单层感知器仿真示例【例6.1】：单层感知器实现“与”门

6.5单层感知器仿真示例clear;clc;closeall;mass=[162,162,160,156,140,170,194,200,186,216,196,174];height=[7.1,7.2,7.5,7.4,7.1,7.9,10.3,10.5,9.2,10.2,9.7,10.1];fruit_data=[mass;height];%两种水果样本的重量和高度数据fruit_category=[111111000000];%两种水果样本的标签：1--apple,2—lemon[norm_fruit_data,ps]=mapminmax(fruit_data);%样本数据的