感知器学习 - 更新权重

Question

我正在研究感知器学习，并且有一个有点令人困惑的问题。由于我是自学，我浏览了各种论文、教程、幻灯片等，有时他们似乎使用不同的算法来调整网络的权重。

例如，有些包含学习率，有些包含单独的权重/输入产品，而另一些则仅包含所有权重/输入产品的总和。

那么，我假设有多种算法都会产生相同的最终权重矩阵/向量，对吗？

Answer 1

不，不一样。

你说得对，有很多算法，但它们可能会导致不同的权重。它就像排序算法 - 有很多，每个算法都做同样的事情，但有些稳定，有些不稳定，有些使用额外的内存，有些则就地排序。

Answer 2

我写了一篇文章：人工神经网络（感知器）从自动驾驶汽车摄像头检测车辆和行人的直观示例。我尝试用最简单的例子来解释。

你可以查看一下，希望可以帮助你理解Perceptron中的权重更新。这是链接。

https://www.spicelogic.com/Blog/Perceptron-Artificial-Neural-Networks-10

我还用例子解释了学习率。

[]1