ai实战：从入门到精通系列——用感知器实现情感分类（一） -尊龙游戏旗舰厅官网

前言

人工智能的第一次高潮始于上世纪50年代。在算法方面，感知器数学模型被提出用于模拟人的神经元反应过程，并能够使用梯度下降法从训练样本中自动学习，完成分类任务。

感知器

感知器算法在上个世纪50-70年代很流行，也成功解决了很多问题。并且，感知器算法也是非常简单的。

• 感知器的定义

  感知器示意图：
  

python实现感知器

• 环境
• ubuntu16.04 lts
• python 3.x
• numpy
• 代码实现
• perception.py

测试

这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、 爬虫、数据分析、数据可视化、机器学习等。 小编这里推荐加小编的python学习群：895,817, 687def f(x):'''定义激活函数f'''return 1 if x > 0 else 0def get_training_dataset():# 构建训练数据# 输入向量列表input_vecs = [[[1,1,1], [1,1,1]], [[0,0,0],[0,0,0]], [[1,1,1],[0,0,0]], [[0,0,0],[1,1,1]]]# 对应的标签为labels = [1, 0, 0, 0]return input_vecs, labels def train_perceptron():'''训练感知器'''# 创建感知器，输入参数个数为2，维度为3，激活函数为fp = perceptron(2, 3, f)# 训练，迭代100轮, 学习率为0.05input_vecs, labels = get_training_dataset()p.train(input_vecs, labels, 100, 0.05)# 打印训练获得的权重p.print_weights()return pif __name__ == '__main__': # 训练感知器perception = train_perceptron()# 测试res = perception.predict([[1,0,0], [1,1,1]]) print(‘classification:’， res)

运行结果

总结

以上是尊龙游戏旗舰厅官网为你收集整理的ai实战：从入门到精通系列——用感知器实现情感分类（一）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得尊龙游戏旗舰厅官网网站内容还不错，欢迎将尊龙游戏旗舰厅官网推荐给好友。