你的位置: 首页 > 魅力网 > > 职场小聪明

职场小聪明第562章 感知机

感知机的故事:守门人的抉择 在一个遥远的王国里有一座神秘的城堡城堡的大门前站着一位忠诚的守门人。

国王交给他一个任务:只允许“贵族”进入城堡而“平民”必须被拒之门外。

然而这些贵族和普通人穿着相似守门人不能单纯靠直觉来分辨。

于是国王给了他一份规则手册其中列出了判断贵族身份的几个标准比如: ? 衣服的颜色是否是紫色(在这个王国紫色是高贵的象征)。

? 是否佩戴金色徽章(贵族都有金色家徽)。

? 说话的语气是否庄重(贵族受过严格礼仪训练)。

守门人会观察每个来访者并根据这些特征来做出判断。

最初他的判断并不完美有时会放错人进去有时又会错把贵族挡在门外。

但随着时间的推移他不断总结经验调整自己的标准变得越来越准确。

守门人的决策方式(感知机的运作) 让我们看看守门人的思考过程他需要做出一个简单的“是”或“否”决策这与感知机的计算方式如出一辙: 1. 观察来访者的特征(输入): ? 这人穿的衣服是紫色的吗?() ? 这人戴着金色徽章吗?() ? 这人的言行得体吗?() 2. 给每个特征赋予一个重要性权重(): ? 守门人会认为“穿紫色衣服”更重要一些所以给它一个较高的权重(例如 )。

? “佩戴金色徽章”也很关键但稍微次要一些权重可能是。

? “说话是否庄重”虽然重要但容易误判所以权重较小例如。

3. 计算总评分: ? 守门人会将每个特征的值(是=1否=0)乘以对应的权重再加总。

例如: 这里的 是偏置相当于守门人的经验或直觉。

4. 做出最终决定(激活函数): ? 如果总评分高于某个阈值(例如 0.6)守门人就会认为这个人是贵族允许进入城堡。

? 否则他就会拒绝来访者。

不断学习的守门人(感知机的训练) 一开始守门人的判断可能不够准确他可能会让一些平民误入城堡或者误拒了某些贵族。

但每次犯错后国王都会告诉他正确答案然后他会调整自己的标准。

例如: ? 如果他错把一位贵族拦在门外他会提高对金色徽章的重视程度(增加 )。

? 如果他误让一个普通人进入他会降低对衣服颜色的权重(减少 )。

这种调整过程就类似于感知机的权重更新公式如下: 其中: ? 是正确答案(国王告诉他的)。

? 是他自己做的判断(可能错误)。

? 是调整步伐的大小相当于守门人的学习速度。

随着不断实践他的判断能力越来越强最终可以精准地区分贵族和平民。

感知机的局限性:XOR 问题的故事 然而守门人的方法也有局限性。

例如有一天他遇到了一个难题:王国里来了一些新的访客他们既没有穿紫色衣服也没有佩戴金色徽章但他们是国王的密使理应被允许进入。

然而他的规则手册无法应对这种情况因为它依赖于“简单的线性规则”来做决策。

如果一个访客的身份不是“紫色+金徽章”的简单组合他就无法正确判断。

这个问题在数学上被称为XOR(异或)问题即: ? 贵族可能是(紫色衣服金色徽章)或(没有紫色衣服没有金色徽章)。

? 平民可能是(紫色衣服没有金色徽章)或(没有紫色衣服有金色徽章)。

这时守门人发现他仅凭简单的加权打分无法解决这个问题需要一个更复杂的逻辑。

这个问题最终在1970年代被多层感知机(MLP) 解决了即守门人不仅仅靠自己判断而是让几个不同的顾问先进行分析(隐藏层)然后再做出最终决策。

这一改变使得神经网络能够处理更复杂的非线性问题推动了现代人工智能的发展。

现代深度学习的启示:聪明的王国智脑 多年后王国发展得更加繁荣访客的情况也越来越复杂。

守门人已经不够用了于是国王雇佣了一群聪明的顾问他们会: 1. 先把访客的所有信息进行深度分析(多层神经网络)。

2. 使用复杂的模式识别技术比如脸部识别、语音分析等(深度学习)。

3. 不断从新数据中学习提高判断能力(数据驱动训练)。

最终这个系统变成了一个“王国智脑”它不再只是简单的加法和权重调整而是能够处理几乎所有类型的访客甚至能提前预测某些人的身份。

这个智脑就是现代深度神经网络(DNN)它从最初的感知机演变而来如今已经成为人工智能的核心技术之一。

这章没有结束请点击下一页继续阅读!。

本文地址职场小聪明第562章 感知机来源 http://www.mlmjzx.com

最新推荐

编辑推荐

热门小说