验证感知器学习示例

Question

我试图通过教授提供的示例来理解perceptron learning algorithm。这是我的理解。任何人都可以检查我的理解是否正确？

假设我有输入

x1 x2 结果（y）

1 3 +1

-1 -2 -1

1 -1 1

-2 1 -1

现在我使用下面的算法来获得权重

w0=0

1)y1(w0x1)

因此 w1=w0+y1*x1=[1,3]

2)y2(w1,x2)

因此 w2=w1+y2*x2=[3,-1]

3)y3(w2,x2)>=0

因此没有迭代

4)y4(w2,x4)

因此 w3=w2+y4*x4=[5,-2]

因此现在我的体重是

x1 x2 结果（y）权重

1 3 +1 [1,3]

-1 -2 -1 [3,-1]

1 -1 1 [3,-1]

-2 1 -1 [5,2]

我的理解正确吗？还是我在进行迭代时选择权重/或错误。

Answer 1

看起来你做的是正确的，但是有很多cmets：

1. 您声明，最初，w0 = 0。这没有多大意义，因为您稍后会将其添加到维度 2 的向量中。我猜您的意思是 w0 = [0, 0]。

2. 仅供参考：

   1. 更通用的感知器学习算法不会添加/减去错误分类的实例，而是对乘以一些 0 的缩放版本执行此操作。您上面的算法使用 α = 1。

   2. 人为地在感知器输入前添加一个常量 1 项是很常见的。因此，如果原始输入是维数为 2 的向量，您将处理维数为 3 的向量，其中每个向量的第一项是 1。