《深度学习入门》学习笔记三：感知机

感知机模型是由美国学者Frank Rosenblatt在1957年中提出的。它是一种二类分类的模型。

文章目录

• • 前言
  • 1、何为感知机
  • 2、人工神经元
  • 3、权重和偏置

前言

如果我们教一个小朋友如何去分辨苹果和橙子，我们会怎么做呢？我们可能会告诉他，表皮光滑的、红色的是苹果，表皮粗糙的、黄色的是橙子。这个方法也许并不那么合适，毕竟不是所有的苹果都是红色的，所有的橙子都是黄色的。但是这也能教会小朋友如何去分辨一般情况中的苹果和橙子了。这就是一个感知机模型。而颜色、表皮则是输入信号。

1、何为感知机

感知机可以接收多个信号，然后输出一个信号。如果学过数字电路的话，各位是不是觉得很熟悉，门电路就是一种经典的感知机。但是本文我们主要讨论的是人工神经元。

2、人工神经元

如图所示，这是一个两个输入一个输出的感知机模型。$x_1,x_2$表示的是输入信号，${\omega }_1,{\omega }_2$表示的是权重，$y$是输出信号。如果$y$最后的结果大于阈值$\theta$，记为1，反之记为0。公式表示为：
$$y=\{\begin{array}{rlr}0& & (x_1{\omega }_1+x_2{\omega }_2\le \theta )\\ 1& & (x_1{\omega }_1+x_2{\omega }_2>\theta )\end{array}$$

3、权重和偏置

我们可以引入一个$b$作为偏置。有了偏置，这个感知机模型会更加的灵活。偏置是调整神经元被激活的容易程度 (输出信号为1的程度)的参数。
$$y=\{\begin{array}{rlr}0& & (b+x_1{\omega }_1+x_2{\omega }_2\le 0)\\ 1& & (b+x_1{\omega }_1+x_2{\omega }_2>0)\end{array}$$