Perceptron

1. 1

   En perceptron er en enkeltlags neural netværksmodel der udfører en lineær klassifikation ved at anvende en trin-funktion på en vægtet sum af input.

   • Perceptron-algoritmen opdaterer vægtene når der er en fejl.

Perceptronen bruges som byggeblok i større neurale netværk og til introduktion af maskinlæring. I praksis anvendes den sjældent alene på grund af dens begrænsninger i at løse ikke-lineære problemer.

f(x) = step( w·x + b )

import numpy as np

class Perceptron:
    def __init__(self, lr=0.01, n_iter=1000):
        self.lr = lr
        self.n_iter = n_iter
    def fit(self, X, y):
        self.weights = np.zeros(1 + X.shape[1])
        for _ in range(self.n_iter):
            for xi, target in zip(X, y):
                update = self.lr * (target - self.predict(xi))
                self.weights[1:] += update * xi
                self.weights[0] += update
        return self
    def net_input(self, X):
        return np.dot(X, self.weights[1:]) + self.weights[0]
    def predict(self, X):
        return np.where(self.net_input(X) >= 0.0, 1, -1)

En simpel implementering af perceptron-algoritmen i Python.

Termen stammer fra Frank Rosenblatt, der i 1958 introducerede perceptronen som en model af biologisk perception.

• Rosenblatt, F. (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain.