0%

水下机器人视觉_2_感知机

线性模型–分类例子

二维

多维

感知机

感知机的三种表达方式:

含多个 w 的感知机的表达方式:

激活函数:

线性函数与激活函数:

感知机与神经元:

第一步:
感知机创建了一个函数集 (无数多的线性函数)
create a function set

误差函数 (损失函数)

误差函数用于评价模型的好坏

降低误差高度:

离散 vs. 连续:

误差函数应该是连续和可微的:

离散预测 vs. 连续预测:

离散激活函数 vs. 连续激活函数:

离散的感知机 vs. 连续的感知机:

通过 sigmoid 函数,将线性函数的输出结果变为概率:

最大似然法:

交叉熵

最大似然法存在的问题:
当数据点很多时,所得乘积会很小,不便于比较,需要转化为加法,使用 log 函数

交叉熵公式:概率,取对数,取负数,求和,值越小越好
交叉熵公式是一种误差公式

误差函数公式

第二步:
定义什么样的模型是好的
define goodness of function

梯度下降算法

其中:
\(\alpha\) 称为学习率 (learning rate), 用于调整每次迭代的宽度
当计算出来的微分小于 0 时,增加 w; 大于 0 时,减少 w

第三步:
获得最好 (次好) 的模型
get the best function

Thank you for your reward !