深度学习与PyTorch入门实战 - 19.1 单一输出感知机

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/dragen1860

摘要

感 知 机 主讲人：龙良曲 recap ▪ ? = ?? + ? ▪ ? = σ ?? ∗ ?? + ? Perceptron ∑ σ E ?0 0 ?1 0 ?2 0 ??0 ??? ? ??? ? ??? ? ??? ? ?0 1 ?0 1 t Derivative ∑ σ E ?0 0 ?1 0 ?2 0 ??0 ??? ? ??? ? ??? ? ??? ? ?0 1 ?0 1 t ? = 1 2 ?0

AI总结

深度学习与PyTorch入门实战 - 19.1 单一输出感知机

主讲人：龙良曲

总结：

本节课主要讲解了单一输出感知机的基本概念及其实现，重点内容包括：

1. **模型公式**：
- 运算：\(\ y = XW + b\)
- 激活函数：\(\ y = \sigma(\sum x_i w_i + b)\) ，其中σ表示sigmoid函数。

2. **误差计算**：
- 使用均方误差：\(\ E = \frac{1}{2}(O_0 - t)^2\)
- 梯度计算为：\(\ \frac{\partial E}{\partial w_j0} = (O_0 - t) \cdot O_0 (1 - O_0) \cdot x_j0\)

3. **PyTorch实现**：
- 代码部分展示了单一输出感知机的实现过程，包括输入、权重、偏置的初始化，前向传播、损失计算、反向传播和参数更新。

本节课为后续多层感知机的学习奠定了基础。