1

我正在尝试在 MATLAB 中创建一个简单的感知器训练函数。我想在没有发现错误时返回权重。

这是我要分类的数据。

d = rand(10,2);
figure

labels = ones(10,1);
diff =  d(:,1) + d(:,2) - 1;
labels( diff + 1 >= 1) = 2;

pathWidth = 0.05;
labels( abs(diff) < pathWidth) = [];
d(abs(diff) < pathWidth,:) = [];

plot(d(labels == 1,1),d(labels == 1,2),'k.','MarkerSize',10)
plot(d(labels == 2,1),d(labels == 2,2),'r.','MarkerSize',10)

它生成一个带标签的数据集，如果增加 d 的点数，则两个类（红色、黑色）之间的划分更加明显。

对于我的感知器函数，我传递数据 (d) 和标签。我有 3 个输入，x 值、y 值和偏差是一个。每个输入都分配了一个介于 0 和 1 之间的随机权重。请注意，我在感知器函数中将数据集 d 命名为 Z。我确实使用了 sigmoid 激活函数，但它会在 while 循环中运行一次，之后总是返回 true，sigmoid 函数还给了我 inf 或 1 的值。下面我只使用阈值激活，但它似乎在不断循环并且不归还我的体重。我认为问题可能出在下面的 if 语句中

if(v >= 0 && labels(i) == 1 || v < 0 && labels(i) == 2)

感知器功能：

function perceptron(data,labels)

sizea = numel(data(:,1));
weights = rand(sizea,3);

Z = data(:,:)
eta = 0.5;
errors = 1;
count = 0;

while errors > 0 
    errors = 0;
    v = sum((1*weights(1,1)) + (Z(:,1)*weights(1,2)) + (Z(:,2)*weights(1,3)));
    if v >= 1
        v = 1;
    else 
        v = 0;
    end
    count = count + 1
    for i = 1:sizea % for each object in dataset
        if(v == 1 && labels(i) == 1 || v == 0 && labels(i) == 2)
            errors = 1;
            weights(1,1) = weights(1,1) - (2*v-1) * eta * 1;
            weights(1,2) = weights(1,2) - (2*v-1) * eta * Z(i,1);
            weights(1,3) = weights(1,3) - (2*v-1) * eta * Z(i,2);
            v = sum((1*weights(1,1)) + (Z(:,1)*weights(1,2)) + (Z(:,2)*weights(1,3)));
            if v >= 1
                v = 1;
            else 
                v = 0;
            end
        end
    end 
end
4

1 回答 1

2

您的代码中有两个主要问题：

  1. v每次weights更新向量 时，您都需要在循环中进行更新。
  2. 看起来你有 10 个训练集。所以你必须v在循环中顺序更新而不是同时更新。继续迭代每个训练集，更新weights，然后使用新weights的来计算v下一个训练集的，依此类推，直到没有错误（errors = 0在你的情况下）。

小问题：

if(v >= 0 && labels(i) == 1 || v < 0 && labels(i) == 2)

应该

if(v == 1 && labels(i) == 1 || v == 0 && labels(i) == 2)

你可以参考这个例子来获得算法的更多细节。

于 2013-12-06T00:20:48.623 回答