單層感知器就像我們大腦中一個簡單的神經元一樣，神經元輸入的是電流信號，而我們這個感知器輸入的是一個具體的數，
權向量就是輸入的一個節點×對應的權值，輸出節點的圓圈是兩個符號函式，hardlims和hardlim，偏置因子就是各個權向量累加再加上的一個數（t=0.4也可以寫成b，它的值不是固定的），輸出Y，它的值不是1就是0（也可以是1和-1，具體看你選擇的函式），
hardlims和hardlim的函式如上圖所示，
接下來看一個具體的例子，
我們用上面的資料集來訓練，下面是具體的代碼，（matlab2016）
P=[1,1,1,1,0,0,0,0;0,0,1,1,0,1,1,0;0,1,0,1,1,0,1,0;]
T=[-1,1,1,1,-1,-1,1,-1;]
p=[0,1;0,1;0,1]
t=1
net=newp(p,t,'hardlims')
net=train(net,P,T)
結束，我們可以隨便輸入幾個數，判斷模型的準確性，
newP=[0,1,1]';
newT=sim(net,newP)
其實，它就是一個簡單的分類器，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/342015.html
標籤：AI