421
个编辑
更改
无编辑摘要
===来源===
===来源===
感知机算法由Frank Rosenblatt<ref>Rosenblatt, Frank (1957), The Perceptron--a perceiving and recognizing automaton. Report 85-460-1, Cornell Aeronautical Laboratory.</ref>在1957年在Cornell Aeronautical Laboratory(康奈尔航空实验室)时所发明的一种[[人工神经网络]]，它可以被视为一种最简单形式的[[前馈神经网络]]，是一种二元[[线性分类器]]。由美国The Office of Naval Research(海军研办公室)资助<ref name= "office">Mikel Olazaran (1996). " A Sociological Study of the Official History of the Perceptrons Controversy". Social Studies of Science. 26 (3): 611–659 [http://journals.sagepub.com/doi/10.1177/030631296026003005 doi:10.1177/030631296026003005].[https://en.wikipedia.org/wiki/JSTOR JSTOR][https://www.jstor.org/stable/285702 285702]. </ref>。
感知机算法由Frank Rosenblatt<ref>Rosenblatt, Frank (1957), The Perceptron--a perceiving and recognizing automaton. Report 85-460-1, Cornell Aeronautical Laboratory.</ref>在1957年在Cornell Aeronautical Laboratory(康奈尔航空实验室)时所发明的一种[[人工神经网络]]，它可以被视为一种最简单形式的[[前馈神经网络]]，是一种二元[[线性分类器]]。由美国The Office of Naval Research(海军研办公室)资助<ref name= "office">Mikel Olazaran (1996). " A Sociological Study of the Official History of the Perceptrons Controversy". Social Studies of Science. 26 (3): 611–659 </ref>。
Frank Rosenblatt给出了相应的感知机学习算法，常用的有感知机学习、最小二乘法和梯度下降法。譬如，感知机利用梯度下降法对损失函数进行极小化，求出可将训练数据进行线性划分的分离超平面，从而求得感知机模型。
Frank Rosenblatt给出了相应的感知机学习算法，常用的有感知机学习、最小二乘法和梯度下降法。譬如，感知机利用梯度下降法对损失函数进行极小化，求出可将训练数据进行线性划分的分离超平面，从而求得感知机模型。