感知器学习 - 更新权重

Question

我正在学习Perceptron Learning，并且有一个问题让我有点困惑。由于我是自学，我查看了各种论文，教程，powerpoint等，有时似乎他们使用不同的算法来调整网络的权重。

例如，一些包括学习率，其他包括个人体重/输入产品，而其他包括所有重量/输入产品的总和。

那么，我是否正确地假设有多种算法都会导致相同的最终权重矩阵/向量？

Answer 1

不，不一样。

你是对的，有很多算法，但它们可能导致不同的权重。它就像排序算法一样 - 有很多，每个都做同样的事情，但有些是稳定的，有些则不是，有些使用额外的内存，有些是合适的。

Answer 2

我写了一篇文章：人工神经网络（感知器）从自动驾驶汽车的摄像头中检测车辆和行人的直观示例。我试图用最简单的例子来解释。

您可以查看，我希望可以帮助您了解Perceptron中的重量更新。这是链接。

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

我还用例子解释了学习率。

[] 2