我正在研究感知器学习，并且有一个问题有点令人困惑。由于我是自学的，我浏览了各种论文、教程、PowerPoint 等，有时他们似乎使用不同的算法来调整网络的权重。
例如，一些包括学习率，另一些包括单个权重/输入产品，而另一些只是所有权重/输入产品的总和。
那么，我是否正确假设有多种算法都导致相同的最终权重矩阵/向量？
问问题
1497 次
2 回答
1
不，不一样。
你是对的，有很多算法，但它们可能会导致不同的权重。它就像排序算法 - 有很多，每个都做同样的事情，但有些是稳定的，有些不是，有些使用额外的内存，有些排序到位。
于 2014-01-13T14:10:27.193 回答
1
我写了一篇文章：人工神经网络（感知器）从自动驾驶汽车的摄像头检测车辆和行人的直观示例。我试图用最简单的例子来解释。
你可以查一下，希望能帮助你理解 Perceptron 中的权重更新。链接在这里。
https://www.spicelogic.com/Journal/Perceptron-Artificial-Neural-Networks-10
我还通过示例解释了学习率。
] 于 2015-10-28T07:26:48.093 回答