感知器算法实验--1.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
感知器算法实验--1.docx 本文档记录了一个感知器算法实验,旨在理解线性分类器的分类原理,掌握感知器算法和 BP 算法,并应用于对输入数据的分类。 一、实验目的 1. 理解线性分类器的分类原理 2. 掌握感知器算法,利用它对输入的数据进展分类 3. 理解 BP 算法,使用 BP 算法对输入数据进展分类 二、实验原理 1. 感知器算法 感知器算法是通过训练模式的迭代和学习算法,产生线性可分的模式判别函数。感知器算法就是通过对训练模式样本集的“学习”得出判别函数的系数解。在本次实验中,我们主要是采用硬限幅函数进展分类。 2. BP 算法 BP 算法是一种神经网络学习算法。其由输入层、隐层、输出层组成的阶层型神经网络,隐层可扩展为多层。相邻层之间各神经元进展全连接,而每层各神经元之间无连接,网络按有教师示教的方式进展学习,当一对学习模式提供应网络后,各神经元获得网络的输入响应产生连接权值。然后按减小希望输出与实际输出误差的方向,从输出层经各中间层逐层修正各连接权,回到输入层。 三、实验容 在本实验中,我们利用感知器算法的原理,随机抽取两类的局部数据,然后,用这两类的其他数据来验证分类是否正确。实验结果表明,当训练样本数 m 取 20 时,x1 和 x2 数据分类正确率都是 100%,x1 和 x3 数据分类正确率是 100%,而 x2 和 x3 的分类正确率分别为 86%。 四、结论 通过本实验,我们掌握了感知器算法和 BP 算法,并应用于对输入数据的分类。实验结果表明,这两种算法都可以有效地对输入数据进行分类,但是 BP 算法的分类结果更加准确。 五、参考文献 [1] Machine Learning, Tom Mitchell, McGraw-Hill, 1997. [2] Neural Networks, Simon Haykin, Prentice Hall, 1999. 六、总结 本文档记录了一个感知器算法实验,旨在理解线性分类器的分类原理,掌握感知器算法和 BP 算法,并应用于对输入数据的分类。实验结果表明,这两种算法都可以有效地对输入数据进行分类,但是 BP 算法的分类结果更加准确。
剩余11页未读,继续阅读
- 粉丝: 8
- 资源: 24万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助