多层感知器 MLP.docx

多层感知器MLP
由前面介绍看到，单个感知器能够完成线性可分数据的分类问题，是一种最简单的可以“学习”的机器。但他无法解决非线性问题。比如下图中的XOR问题：即（1,1）（-1,-1）属于同一类，而（1,-1）（-1,1）属于第二类的问题多层感知器MLP
由前面介绍看到，单个感知器能够完成线性可分数据的分类问题，是一种最简单的可以“学习”的机器。但他无法解决非线性问题。比如下图中的XOR问题：即（1,1）（-1,-1）属于同一类，而（1,-1）（-1,1）属于第二类的问题，不能由单个感知器正确分类。
即在Minsky和Papert的专著《感知器》所分析的：感知器只能解决所谓一阶谓
词逻辑问题：与（AND），或（OR）等，而不能解决异或（XOR）等高阶谓词罗辑问题。
用多个感知器实现非线性单个感知器虽然无法解决异或问题，但却可以通过将多个感知器组合，实现复杂
空间的分割。如下图：
OUlpULk
_1hiddenj
将两层感知器按照一定的结构和系数进行组合，第一层感知器实现两个线性分类
器，把特征空间分割，而在这两个感知器的输出之上再加一层感知器，就可以实现异或运算也就是，由多个感知器组合：
y=另耳仪乞w严；十％）十奄
"-1」；J"
来实现非线性分类面，其中％•）表示阶跃函数或符号函数。
多层感知器神经网络
实际上，上述模型就是多层感知器神经网络（Multi-layerperceptronneuralnetworks，
MLPneuralnetwoks）的基础模型。神经网络中每个节点为一个感知器，模型生物
神经网络中神经元的基础功能：来自外界（环境或其他细胞）的电信号通过突触
传递给神经元，当细胞收到的信号总和超过一定阈值后，细胞被激活，通过轴突向下一个细胞发送电信号，完成对