perceptron rule
En læringsalgoritme for perceptroner, der justerer vægte kun ved fejlklassifikation.
Kort fortalt
Perceptronreglen er en simpel metode til at træne en enkeltlags perceptron ved at opdatere vægtene, når den giver et forkert svar.
- Kategori
- træning
- Niveau
- øvet
- Udtale
- /pərˈsɛptrɒn ruːl/
Betydninger
1- 1
En iterativ algoritme til at træne en perceptron, der opdaterer vægtene baseret på forskellen mellem den forventede og den faktiske output, kun når der er en fejl.
- Perceptronreglen konvergerer garanteret til en løsning, hvis data er lineært separerbare. — Rosenblatt, 1958
Hvornår bruges det
Perceptronreglen anvendes i binære klassifikationsopgaver, hvor data er lineært separerbare. Den opdaterer vægtene med en læringsrate gange inputet ganget med fejlen.
Formel
Δw = η (y - ŷ) xKodeeksempel
def perceptron_update(weights, x, y, lr=0.1):
y_hat = 1 if sum(w * xi for w, xi in zip(weights, x)) > 0 else 0
error = y - y_hat
if error != 0:
for i in range(len(weights)):
weights[i] += lr * error * x[i]
return weightsOpdateringsreglen for en perceptron-binar klassifikator.
Oprindelse
Opkaldt efter perceptronmodellen og dennes indlæringsregel, introduceret af Frank Rosenblatt i 1958.
Afledte ord
1Kilder
1- The Perceptron: A Perceiving and Recognizing Automaton