标签:神经网络 机器学习 笔记 感知器
Rosenblatt感知器
感知器是用于线性可分模式(模式分别位于超平面两边)分类的最简单的神经网络模型,基本上由一个具有可调突触权值和偏置的神经元组成。
Rosenblatt证明了当用来训练感知器的模式(向量)取自两个线性可分的类时,感知器算法是收敛的,并且决策面是位于两类之间的超平面。算法的收敛性称为感知器收敛定理。
神经网络与机器学习笔记——Rosenblatt感知器
原文地址:http://blog.csdn.net/lxytsos/article/details/45418007