感知器有多少神经元？

Question

这是感知器学习模型的经典可视化，但我不知道它最初来自哪里。

我的问题是这个感知器有多少个神经元？我的猜测是N + 2，N + 1表示输入，另外1表示输出。这是对的吗？

Answer 1

以上网络采用数字输入X1，X2，...，Xn并且权重w1，w2和wn相关联有了这些投入。此外，还有另一个与其相关联的权重w0（称为偏差单位）的输入1。这也是一个神经元。

这是偏见单位的作用：

  

偏差是为每个节点提供可训练的常量值（除了节点接收的正常输入之外）。

输出是加权和。像这样：

F（X）= X1 * W1 + X2 * W2 + XN * WN + 1 * W0

要了解详情，请查看此内容，并非常好地解释http://117.239.79.250/moodle/pluginfile.php/6283/mod_resource/content/1/ANN1.pdf

Answer 2

感知器本身就是一种神经元。在图中，四个输入不是神经元，而是单个神经元（感知器）的4个输入。此外，阶梯函数圈不是额外的神经元。此阶跃函数计算发生在感知器内部，其中计算加权和。

因此，您在图中看到的是一个神经元，其组件被分解为基本部分。