对感知器功能的困惑
Confusion on Perceptron Functions
我试图通过手工计算感知器的功能来了解它们的功能，但我的结果与感知器的功能不匹配。我 运行 假设以下步骤应该产生模仿感知器的结果：
将每个输入分别作为 xᵢ & yᵢ
将每个输入乘以 a（X 的 W₁ 和 Y 的 W₂）
通过加法合并 xᵢ•W₁ 和 yᵢ•W₂ = Rᵢ
将分段函数应用于具有随机切换阈值的结果。
*（因为我是手动执行此操作，所以不需要分段...我只是在寻找结果“R”在我的两个数据集之间拆分的点。）
这里 (https://m.imgur.com/gallery/SII1r) 是我的 X,Y 坐标图，分为红色数据集和蓝色数据集。目标显然是识别结果 R 中的模式，该模式将被分类器正确解释。
以下是数据集及其生成的 R 值（W₁ = -1）和（W2 = +1）：
蓝色数据集-
Y 4. 3. 2. 1. 0. 4. 3. 2. 1.
X. 1. 2. 3. 4. 5. 2. 3. 4. 5.
R. 3. 1. -1. -3. -5. 2. 0. -2. -4
红色数据集-
Y. 3. 2. 1. 0. 2 1. 0. 1. 0.
X. 1. 2. 3. 4. 1. 2. 3. 1. 2.
R. 2. 0. -2. -4. 1. -1. -3. 0. -2
从这些结果来看，R 值明显重叠，无法编写区分红色和蓝色数据集的分段。我的印象是，感知器旨在采用一组线性可分的二维（或更大）值并将它们折叠成一组一维值......几乎就像将 R 值放在数字线上并找到数据集拆分的位置向上。我知道我在数学上或对感知器功能的解释上做错了一些事情，但我希望能从最基本的层面上理解它……所以如果有人能指出我的不足之处，它将不胜感激！谢谢！
错误在您的问题陈述中：正确的 W 值为 w1 = w2 = 1。R 值的拆分为 Rred < 4.5 < Rblue。
你是如何获得给定的 W 系数的？
我试图通过手工计算感知器的功能来了解它们的功能，但我的结果与感知器的功能不匹配。我 运行 假设以下步骤应该产生模仿感知器的结果：
将每个输入分别作为 xᵢ & yᵢ
将每个输入乘以 a（X 的 W₁ 和 Y 的 W₂）
通过加法合并 xᵢ•W₁ 和 yᵢ•W₂ = Rᵢ
将分段函数应用于具有随机切换阈值的结果。
*（因为我是手动执行此操作，所以不需要分段...我只是在寻找结果“R”在我的两个数据集之间拆分的点。）
这里 (https://m.imgur.com/gallery/SII1r) 是我的 X,Y 坐标图，分为红色数据集和蓝色数据集。目标显然是识别结果 R 中的模式，该模式将被分类器正确解释。
以下是数据集及其生成的 R 值（W₁ = -1）和（W2 = +1）：
蓝色数据集-
Y 4. 3. 2. 1. 0. 4. 3. 2. 1.
X. 1. 2. 3. 4. 5. 2. 3. 4. 5.
R. 3. 1. -1. -3. -5. 2. 0. -2. -4
红色数据集-
Y. 3. 2. 1. 0. 2 1. 0. 1. 0.
X. 1. 2. 3. 4. 1. 2. 3. 1. 2.
R. 2. 0. -2. -4. 1. -1. -3. 0. -2
从这些结果来看，R 值明显重叠，无法编写区分红色和蓝色数据集的分段。我的印象是，感知器旨在采用一组线性可分的二维（或更大）值并将它们折叠成一组一维值......几乎就像将 R 值放在数字线上并找到数据集拆分的位置向上。我知道我在数学上或对感知器功能的解释上做错了一些事情，但我希望能从最基本的层面上理解它……所以如果有人能指出我的不足之处，它将不胜感激！谢谢！
错误在您的问题陈述中：正确的 W 值为 w1 = w2 = 1。R 值的拆分为 Rred < 4.5 < Rblue。
你是如何获得给定的 W 系数的？