当前位置: 首页 > news >正文

感知机(感知机的局限性)

感知机的局限性

到这里我们已经知道,使用感知机可以实现与门、与非门、或门三种逻
辑电路。现在我们来考虑一下异或门(XOR gate)。

异或门

异或门也被称为逻辑异或电路。如图2-5所示,仅当$x_1 $ 或 $x_2 $ 中的一方为1时,才会输出1(“异或”是拒绝其他的意思)。那么,要用感知机实现这个异或门的话,应该设定什么样的权重参数呢?

实际上,用前面介绍的感知机是无法实现这个异或门的。为什么用感知
机可以实现与门、或门,却无法实现异或门呢?下面我们尝试通过画图来思
考其中的原因。

首先,我们试着将或门的动作形象化。或门的情况下,当权重参数
(b,w1w_1w1,w2w_2w2) = (-0.5, 1.0, 1.0)时,可满足图2-4的真值表条件。此时,感知机
可用下面的式(2.3)表示。

y={0(−0.5+x1+x2≤0)1(−0.5+x1+x2>0)(2.3) y = \begin{cases} 0 & (-0.5 + x_1 + x_2 \leq 0) \\ 1 & (-0.5 + x_1 + x_2 > 0) \end{cases} \tag{2.3}y={01(0.5+x1+x20)(0.5+x1+x2>0)(2.3)

式(2.3)表示的感知机会生成由直线 ( -0.5 +x1x_1x1+x2x_2x2= 0 ) 分隔的两个空间。其中一个空间输出1,另一个空间输出0,如图2-6所示。

中的○和△分开。实际上,刚才的那条直线就将这4 个点正确地分开了。
那么,换成异或门的话会如何呢?能否像或门那样,用一条直线作出分
割图2-7 中的○和△的空间呢?

想要用一条直线将图2-7 中的○和△分开,无论如何都做不到。事实上,
用一条直线是无法将○和△分开的。

线性和非线性

图2-7 中的○和△无法用一条直线分开,但是如果将“直线”这个限制条
件去掉,就可以实现了。比如,我们可以像图2-8 那样,作出分开○和△的空间。

感知机的局限性就在于它只能表示由一条直线分割的空间。图2-8这样弯
曲的曲线无法用感知机表示。另外,由图2-8这样的曲线分割而成的空间称为
非线性空间,由直线分割而成的空间称为线性空间。线性、非线性这两个术
语在机器学习领域很常见,可以将其想象成图2-6和图2-8所示的直线和曲线。

http://www.jsqmd.com/news/166353/

相关文章:

  • sourcefare速成手册(2) - 使用Git方式克隆代码代码扫描
  • Miniconda-Python3.9如何帮助团队统一PyTorch开发规范
  • 分布式锁与重试机制标准化方案
  • REDMI Note 15 Pro新春版车厘子红全方位外观公布 高级氛围感拉满
  • 在有网Windows机器A上使用conda-pack打包虚拟环境,然后迁移到无网Windows机器B
  • 感知机的致命缺陷:为什么它连简单的异或问题都解决不了?
  • PyTorch故障注入测试:Miniconda-Python3.9环境模拟异常
  • PyTorch缓存机制优化:基于Miniconda-Python3.9环境测试
  • NVIDIA Container Toolkit 安装
  • 使用Miniconda-Python3.9搭建BERT文本分类PyTorch实验环境
  • Miniconda-Python3.9环境下使用TorchScript保存和加载模型
  • 华为OD机试双机位C卷 - 魔法收积木 (C++ Python JAVA JS GO)
  • 【vLLM 学习】Reproduciblity
  • Miniconda-Python3.9环境下批量安装常用AI库(PyTorch/TensorFlow/scikit-learn)
  • Java对象头(Object Header)
  • PyTorch DataLoader性能瓶颈排查:从Miniconda环境入手
  • 2025年AI行业热点:应用层核心技术人才年薪破百万,字节跳动、腾讯等巨头争相布局黄金赛道!
  • PyTorch Geometric等扩展库在Miniconda-Python3.9中的安装方法
  • PyTorch自定义算子开发环境搭建:Miniconda-Python3.9指南
  • 「地质约束显式+数据驱动模型」的新路径,浙江大学团队实现跨区域矿产远景预测性能和可解释性提升
  • PyTorch批处理任务调度:Miniconda-Python3.9环境自动化脚本
  • Miniconda-Python3.9结合Markdown编写可执行AI技术文档
  • PyTorch QoS保障机制:基于Miniconda-Python3.9环境实现
  • 2025年AI领域全景观察:从大模型突破到Agent架构,开发者必读的技术趋势指南!
  • PyTorch模型微调任务的最佳Miniconda-Python3.9配置方案
  • 收藏!大模型入门避坑指南:小白/程序员专属学习路径+全套资源清单
  • PyTorch实验日志记录系统搭建:Miniconda-Python3.9基础环境
  • 从Manus被Meta收购看AI创业浪潮,普通程序员如何抓住大模型时代红利?
  • Miniconda-Python3.9环境下实现PyTorch模型差分隐私训练
  • PyTorch模型剪枝与蒸馏实验环境:Miniconda-Python3.9搭建