「开箱即用」感知机原理与实战(Pytorch实现) | 您所在的位置:网站首页 › pytorch抠图原理 › 「开箱即用」感知机原理与实战(Pytorch实现) |
「这是我参与2022首次更文挑战的第3天,活动详情查看:2022首次更文挑战」。 前言所谓机器学习,在大多数时候都是拿到现有的模型做些简单的修改后就开始“炼丹”,主要工作就是调参,所以江湖人称“调参师”或者“炼丹师”。因此,我想对一些常用的机器学习模型做一些梳理和总结,一来是作为个人的学习笔记,二来是方便各位点进来的朋友复制代码后可以直接开始“炼丹”,争取做到「开箱即用」。 观前提示:水平有限,小菜鸡先在这里给各位大佬赔不是了🙏。 梳理的顺序基本是按照时间来的,大体符合机器学习算法的发展过程,所有模型都会提供其 Pytorch 实现,并简要介绍其原理。本文介绍的是神经网络的鼻祖——感知机。下面开始正文👇 感知机的预备知识感知机(Perceptron),又称“人工神经元”或“朴素感知机”,是神经网络的基本单元,本文先介绍感知机的基本原理,然后结合具体的分类任务给出感知机模型的 Pytorch 实现。 1.RosenblattRosenblatt 是神经网络的开山鼻祖,他于 1957 年提出了感知机(Perceptron)的理论;1960 年,他基于硬件结构搭建了一个神经网络。但是,这项成果遭到 Marvin Minksy 和 Seymour Papert 的质疑,使得 Perceptron 沉寂了近 20 年,直到 80 年代 Hinton 发明 BP 算法才使得其成为热门。 2.基本原理假设输入空间(特征空间)为 x∈Rnx\in R^n x∈Rn,输出空间是 y∈{1,−1}y\in\{1,-1\}y∈{1,−1},则输入空间到输出空间的函数:f(x)=sign(wx+b)f(x)=sign(wx+b)f(x)=sign(wx+b) 就称为感知机。其中,www 叫做权值(weight)或权值向量(weight vector),bbb 叫做偏置(bias),signsignsign 是符号函数: sign(x)={1,x≥0−1,x |
CopyRight 2018-2019 实验室设备网 版权所有 |