Artificial intelligence 感知器中的校正加在哪个权重上?
我正在用单层感知器进行实验,我想我(大部分)了解一切。然而,我不明白的是,应该在哪些权重中添加校正(学习率*误差)。在我看到的例子中,这似乎是武断的。回答了我自己的问题Artificial intelligence 感知器中的校正加在哪个权重上?,artificial-intelligence,machine-learning,neural-network,perceptron,Artificial Intelligence,Machine Learning,Neural Network,Perceptron,我正在用单层感知器进行实验,我想我(大部分)了解一切。然而,我不明白的是,应该在哪些权重中添加校正(学习率*误差)。在我看到的例子中,这似乎是武断的。回答了我自己的问题 根据“将此修正添加到有输入的任何权重”。换句话说,不要对神经元值为0的权重进行校正。回答了我自己的问题 根据“将此修正添加到有输入的任何权重”。换言之,不要对神经元值为0的权重进行修正。好吧,看起来你只回答了一半自己的问题:确实,你修正了所有非零权重,但修正量并不相同 相反,您可以根据其传入的激活按比例校正权重,因此,如果单元X
根据“将此修正添加到有输入的任何权重”。换句话说,不要对神经元值为0的权重进行校正。回答了我自己的问题 根据“将此修正添加到有输入的任何权重”。换言之,不要对神经元值为0的权重进行修正。好吧,看起来你只回答了一半自己的问题:确实,你修正了所有非零权重,但修正量并不相同 相反,您可以根据其传入的激活按比例校正权重,因此,如果单元X的激活非常强烈,而单元Y仅激活了一个lil位,并且存在一个很大的错误,那么从单元X到输出的权重将被校正,远远超过单元Y到输出的权重 这一过程的技术术语称为增量规则,其详细信息可在its中找到。此外,如果您想升级到多层感知器(单层感知器的计算能力非常有限,请参阅),将讨论一种类似的学习算法,称为反向传播。好吧,看起来您已经回答了自己的问题一半:您确实纠正了所有非零权重,你不可能全部纠正相同的数量 相反,您可以根据其传入的激活按比例校正权重,因此,如果单元X的激活非常强烈,而单元Y仅激活了一个lil位,并且存在一个很大的错误,那么从单元X到输出的权重将被校正,远远超过单元Y到输出的权重
这一过程的技术术语称为增量规则,其详细信息可在its中找到。此外,如果您想将使用升级到多层感知器(单层感知器的计算能力非常有限,请参阅),将讨论一种称为反向传播的类似学习算法。激活是指权重时间输入吗?激活是指权重时间输入吗?