应用感知器进行模式分类

《应用感知器进行模式分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ISSN1009-3044E—mail：eduf@CCCC．net．cnComputerKnowledgeandTechnology电脑知识与技术http：／／www．dnzs．net．cnVo1．6，No．22，August2010，PP．6300—6301Tel：+86—551-56909635690964应用感知器进行模式分类邵慧娟。熊煜(1．天津电子信息职业技术学院，天津300132；2．中海石油有限公司天津分公司，天津300452)摘要：感知器是一种有用的神经网络模型，可以对线性可分的模式进行正确分类。试验结果表明．该网络模型适用于简单的模式分类问题．具有较好的实用性关键

2、词：神经网络；感知器；神经元；模式分类中图分类号：TP183文献标识码：A文章编号：1009—3044(2010)22—6300—02TheApplicationsofPerceptrontoPatternClassifyingSHAOHui-juan，XIONGYu。(1．TianJinElectronicInformationVocationalTechnologyCoUege，Tianjin300132，China；2．TechnicalDepartmentofCNOOCLtd．，Tianjin300452，China)Abstract：Perceptronisakindof

3、usefulneuralnetworkmodelandcanclassifytheclassificationofthedetachablelinearityCOITectly．TheexperimentalresultsshowthattheneuralnetworkmodelisusefultOsimpleproblemstopat~mclassifyingandhasagoodpracticabiliW．Keywords：neuralnetwork；perceptron；nerveceU；patternclassifying神经网络的优点包括对为经训练的数据的模式分类能力，在

4、多种神经网络模型中，感知器最适合解决分类问题。感知器是模拟人的视觉，接受环境信息，并由神经冲动进行信息传递的神经网络。它仍然是一种很有用的神经网络模型，特别适用于简单的模式分类问题。1感知器神经元模型神经元是神经网络的基本处理单元，一个简单的感知器神经元如图1所示。图1中x(i)为该神经元的第i个输入，W为第i个输入到处理单元的连接权值，0为其阈值，Y为神经元的输出。它满足如下关系：．=，(∑’一(1)i_1式(1)中f为激活函数，取为阶跃函数：r，∑一0={【0主}_(2)图1简单感知器神经元模型w~x／-0i_I其中输入变量X；∈{0，1}。2多个感知器神经元的分类问题设计单一

5、感知器神经元来解决一个分类问题：将16个输入向量分为4类，即输人向量为P=『0．2o．4o．5o．9o．91．31．51．7一o．4o．2o．o—o．2～2．o-o．1o．51．0；1．52．52．32．00．70,90．10．51．o0．40．20．7-2．o-o．3—0．2—0．51；所对应的目标向量为T=【1ll1O00011110000；0000000011111111】；输入向量可以用图5描述．与目标值00相对应的输入向量用符号“o”表示，与目标值01对应的输入向量用符号“表示，与目标值10对应的输入向量用符号“+”表示，与目标值11对应的输入向量用符号⋯X’表示。所采用

6、的网络具有两个输入，两个神经元．网络结构如图3所示。首先用函数newp构造一个输入向量均在卜1，1】之间的两个神经元感知器，net=newp(【一11；一1l】，2)；用init对网络进行初始化，收稿日期：2010-05—13作者简介：邵慧娟(1979-)，女，天津人，硕士，主要研究方向为人工智能；熊煜(1980一)，男，天津人，硕士，主要研究方向为信息处理。6300人工■能及识别技术本栏目责任编辑：唐一东第6卷第22期(2010年8月)ComputerKnowledgeandTechnology电脑知识与技术net=init(net)；然后，利用函数adapt调整网络的权值和阈值

7、，直到误差为0时结束训练，【net，Y，E】=adapt(net，P，；经过10次权值和阈值的修正，网络将输入向量分成期望的四类，可得到图4所示的分类曲线．由图可见分类线将四类输入向量正确地分类。当网络训练完成之后。就可以利用训图3网络结构练好的感知器神经网络来解决实际的分类问题，此时用函数来实现：P=【0．4；0．2】；a=sim(net，P)；得到的分类结果如图5所示。由此可见，该网络可以对输入实现正确分类，从而验证了网络的正确性。3结束语感知器作为一种有效工具．