資料探勘——多層感知器演算法簡介
XOR(抑或)是一種非線性函式,不能被線性可分
人工神經網路簡介
人工神經網路由三部分組成:
- 架構:描述神經元的層次與連線神經元的結構
- 激勵函式
- 找出最優權重值的學習演算法
人工神經網路主要型別:
1. 前饋神經網路:最常用的神經網路型別,一般定義為有向無環圖,訊號只能沿著最終出入的那個方向傳播
2. 反饋神經網路:網路圖中有環.反饋環表示網路的一種內部狀態
多層感知器
多層感知器(multilayer perceptron, MLP)是目前最流行的人工神經網路之一.
下圖所示三層架構的多層感知器.帶+1標籤的是常誤差項神經元,大多數結構圖都不會畫出來
隱藏層中的人工神經元,也稱單元,通常用非線性激勵函式,如雙曲正切函式和邏輯函式:
f(x)=tanh(x)
f(x)=1/(1+e^(-x))
成本函式
和其他監督模型一樣,目標是找到成本函式最小化的權重值,通常,mlp的成本函式是殘差平方和的均值,計算公式如下:
成本函式最小化
反向傳播(backpropagation)演算法經常用來求解最小化問題
前向傳播
從特徵變數輸入到網路,然後傳播到下一層產生輸出激勵。
反向傳播
把輸出單元計算的誤差作為網路誤差,反向傳回去
計算出其他層的誤差,然後再更新權重。