2 从 0 到 1 单层感知器
一、单层感知器原理
1.1 基本原理
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZvCuAVO3-1583073850890)(C:\Users\dell\Desktop\1582893770804.png)]
人工神经网络就是模拟人体神经网络，可以看到，该神经元分为三部分，输入，中间，输出，输入和输出可以有多个，在中间进行了处理。
最简单的是单层感知神经网络，可以有多个输入，中间做处理，最后输出。
x1, x2, x3 分别是输入节点
y 是输出节点
w1, w2, w3 是对应的权值
b是偏置因子（一般情况下，可以把 b 替换成输入因子的一部分，并且它的值是1，然后加一个对应的权就构成b）
1.2 实现原理
输入：X
学习率：lr
**函数：负责运算返回一个结果 O，
f(X) = { 1, X > 0;
0, X = 0;
-1, X < 0 }
w 误差：lr ×（预期输出 Y - **函数的结果 O）× X
单层感知器就是反复的计算误差 W_c，然后再与当前的 W0 相加得到新的 W1，再用新的 W1 带入**函数，如果不满足要求，就再次计算，直到满足收敛条件才停止计算。
收敛条件：
1、误差小于莫格预先设定的较小的值
2、两次迭代之间的权值变化已经很小
3、达到预先设定的最大迭代次数