与S函数的S形神经元的简单非线性边界

时间:2016-11-12 16:18:01

标签: neural-network sigmoid

enter image description here enter image description here我想计算一个带有输入层和输出层的sigmoid神经​​元的非线性边界。神经元有2个输入x1,x2和一个偏差。我正在努力计算这个。

这是怎么做到的。对于感知器如果

         w*x +b >= 0 for negative samples then
         we perform w = w -x[![enter image description here][2]][2]
         and if w*x+b <0 for positive samples then
         w = w + x

直到错误降低到低值。我正在使用Octave 计算

是否存在乙状结肠神经元的迭代方法。我们如何得到非线性边界?

1 个答案:

答案 0 :(得分:1)

这个问题有两个部分,一个与绘图有关,另一个与网络本身有关。让我们从第二部分开始,您需要了解:

  • 单个神经元,没有任何激活或有sigmoid 是线性模型。为了具有非线性,您需要非单调激活(如rbf)或至少1 隐藏层。
  • 一些逻辑门是线性的,有些则不是。特别是OR是线性的(以及AND),但同时XOR不是。证明非常简单(对于OR的线性),因为它可以实现为

    cl(x) = x1 + x2 - 0.5
    

    如果您现在采用上述等式的符号,您将看到它是1 iff x1 + x2> 0.5,并且显然这发生(在其他情况下)至少一个是1而另一个是0.

就决策界限而言。对于线性模型,它是直截了当的,因为可以确定分析决策边界,但是如果一般具有非线性模型则不可能。因此,我们所做的是近似,你想在一个平面上绘制决策边界,对于x1 e [-T,T]和x2 e [-T,T]所以你要做什么 - 你只是从输入中采样非常密集的点空间(如(-T,-T),( - T + 0.01,-T + 0.01),...)并检查分类。你得到一个0和1的巨大矩阵,你只需要绘制这个函数的一个计数图