深度学习理论基础5-感知机的局限性

--------------异或门-------------

异或门的文字描述:仅当输入中的一方为1时,才会输出1。

现在请闭上眼睛想2两个星期,怎么用上节提到的感知机实现异或门呢?

。。。

嗯,相信你在思考的这段时间里已经尝试了很多组合。但依然没有靠谱的参数可用,实际上上文的感知机是无法搞定异或门的。

其中的原理很难用文字讲明白,但可以用图像轻松的说明。

--------------或门感知机的图像化表示-------------

注意是或门哦。

这是或门的数学公式。注意x1,x2没有与任何权重相乘只是假象。实际上它们的权重都为1.0也就是(b, w 1 , w 2 ) = (−0.5, 1.0, 1.0)

这是这个或门数学公式的图像化表示。阴影区域代表输出0,非阴影区域代表输出1。你应该花费十几秒把其中的逻辑从模糊思考到清晰,这对学习来说是一个好习惯。图中圆圈和三角形分别为0和1,代表此处应该输出的正确值。不管你使用多少输入进行验证,圆圈总在灰色区域,三角形总在非阴影区域。

---------异或门的图像化表示--------

通过异或门的图像化表示,我们发现,这些'结果'都太皮了。它们不按套路出牌,它们的位置无法用一条直线分割成两类。

(通过观察感知机的数学公式,我们知道上面的感知机只能被画成直线)

要想正确把异或门的结果分开,除非使用曲线。

用正经点的话说,这是非线性的。线性与非线性在机器学习领域很常见,不要忘记这两个词。

--------结语--------

不要走开,广告后更精彩,下一节会用非线性的多层感知机搞定异或门。

猜你喜欢

转载自blog.csdn.net/qq_40878431/article/details/85375672