问题标签 [perceptron]

我正在解决加州理工学院机器学习课程的作业 1 ( http://work.caltech.edu/homework/hw1.pdf )。为了解决问题 7-10，我们需要实现一个 PLA。这是我在 python 中的实现：

根据问题 7 的答案的问题，15 iterations当训练集的大小但我的实现平均为50000 iteration. 训练数据是随机生成的，但我正在为简单的行生成数据，例如 x=4,y=2,..etc。这是我得到错误答案的原因还是有其他问题。我的训练数据样本（可使用 y=2 分离）：

它的格式是x1 x2 output(y)

我尝试实现一个简单的 2D 单层感知器，最终得到了这个解决方案：

特征向量按行工作，类向量需要值 1 和 -1 col-wise。

对于我的大多数测试，它都是正确的，但是当我有像(0,0) (0,1)类这样的样本时，我(1,-1)没有得到任何结果。这发生在我的一些示例中，两个点位于一条直线上（与坐标轴水平）。当我尝试选择不同的起始向量时，它有时可以正常工作（我猜我现在没有确定性行为）。这是正确的行为还是我的实施错误？

谢谢你的帮助，迈纳。

编辑：初始帖子的一些更改。

坏数据集：

好的数据集：

对不起，我只在这里一直问。我也会努力学习准备回答问题的！

许多论文和文章声称对 MLP 的激活函数选择没有限制。

似乎只有哪一个最适合给定条件才重要。

还有文章说，数学证明简单的感知器不能解决 XOR 问题。

我知道那个简单的感知器模型过去常常使用阶跃函数作为其激活函数。

但是如果基本上使用哪个激活函数都没有关系，那么使用

作为激活函数适用于 XOR 问题。（对于2输入1输出无隐藏层感知器模型）

我知道使用人工函数不利于学习模型。但如果它仍然有效，那么为什么文章说它被证明它不起作用？

这篇文章是否意味着使用阶跃函数的简单感知器模型？还是简单感知器的激活函数必须是不同于 MLP 的阶跃函数？还是我错了？

我有一个包含 1000 个示例的数据集，500 个正例和 500 个负例。我用 0.7 的分割比验证它们，然后将它们放在具有默认参数的 rapidminers MP 上，除了两层 25 个节点。

但是，当我验证它时，我的所有预测都是负面的，我不知道为什么？即使优化不佳的 MP（就像在这个例子中一样），我也应该得到至少一个积极的预测。

嗯，这是我第一次在 rapidminer 上这样做，可能这是一个非常基本的错误，但我找不到。

XML 代码：

我是 mlpy 库的新手，正在寻找实现句子分类的最佳方法。我正在考虑使用 mply Basic Perceptron 来做到这一点，但据我了解，它使用的是预定义的向量大小，但我需要在机器学习时动态增加向量的大小，因为我不想创建一个巨大的向量（所有英语单词）。我真正需要做的是获取句子列表并从中构建分类器向量，然后当应用程序将获得新句子时，它会尝试将其自动分类到其中一个标签（监督学习）。

任何想法、想法和例子都会非常有帮助，

谢谢

我必须做一个项目，试图扫描车辆的形状并检测它是什么类型的车辆，扫描将使用称为“车辆扫描仪”的传感器执行，它们只有 50 束光，每束光都有接收器和发射器如图所示：

我从传感器获取每个光束的原始状态（阻挡或解除阻挡），通过连续扫描，我们可以创建可能非常低分辨率的车辆图像。

我的问题是我可以使用哪些算法/技术来检测和识别车辆的形状，我们想要计算车轮，如果可以，尝试识别该形状是汽车还是卡车或皮卡等，在至少我们要数轮子。

我正在考虑训练一个神经网络，但对于这种我可以使用但我不知道的模式检测来说，这可能是一种更简单的方法。任何其他建议/建议将不胜感激

为了识别 3 个类，我采用了 3 个单层感知器，

如果数据属于 1 类，则感知器 1=1，感知器 2=0，感知器3=0

如果数据属于 2 类，则感知器 1=0，感知器 2=1， perceptron3=0

如果数据属于第 3 类，则 perceptron1=0,perceptron2=0,perceptron3=1

我确实编写了代码，现在奇怪的是我可以看到用于识别第 1 类和第 3 类的感知器工作得很好但不是类2. 现在我找不到错误在哪里。所以你能帮帮我吗？

主程序代码：

激活函数代码

错误函数检查代码

结尾

我一直在尝试训练以下网络并获得合适的权重，但它一直在运行。谁能告诉我代码中可能有什么问题？这里 {8, 1} 是输入，{-1}} 是使用符号函数的预期输出。

编辑：我相信问题出在计算输出的代码片段上。应该翻转它，以便如果总和大于阈值输出为 1，否则为 0。

我使用以下代码实现了单层感知器：

我想在培训过程中划清界限，看看它是如何调整的。我将绘图函数放在 for 循环中，但它只绘制最后一行。我怎样才能实现我的目标？

谢谢

我需要训练一个神经元感知器来分类两个不同的类别。我在matlab上写了这段代码。

其中 eta 是学习率，PercepClassTraining 是训练集（2000 个输入）。

当我使用 0.1 作为学习率并使用 [0.01 0.01] 作为初始权重时，它在 epoch #58 收敛，并且没有使用所有训练集。

当我将 eta 设置为 0.01 并将权重设置为 0.1、0.1 时，它会永远循环！代码有什么问题吗？停止标准如何？