我试图通过手工操作来了解感知器的功能，但我的结果并不匹配感知器的功能。我假设以下步骤应该产生模仿感知器的结果：
将每个输入单独作为xᵢ＆amp; yᵢ
将每个输入乘以a（W 1表示X，W 2表示Y）
结合xᵢ•W 1＆amp; yᵢ•W 2加法=Rᵢ
使用随机切换阈值对结果应用分段函数。
*（因为我手动执行此操作，不需要分段...我只是在寻找结果'R'在我的两个数据集之间分裂的点。）
这里（https://m.imgur.com/gallery/SII1r）是我的X，Y坐标图，分为红色数据集和蓝色数据集。显然，目标是通过识别结果R中的模式，该模式将由分类器正确解释。
这里是数据集及其产生的R值，其中（W 1 = -1）＆amp; （W 2 = +1）：
蓝色数据集 -
Y 4. 3. 2. 1. 0. 4. 3. 2. 1.
X. 1. 2. 3. 4. 5. 2. 3. 4. 5.
R. 3. 1. -1. -3. -5. 2. 0. -2. -4
红色数据集 -
Y. 3. 2. 1. 0. 2 1. 0. 1. 0.
X. 1. 2. 3. 4. 1. 2. 3. 1. 2.
R. 2. 0. -2. -4. 1. -1. -3. 0. -2
根据这些结果，R值明显重叠，没有办法区分红色和蓝色数据集。我的印象是感知器意味着采用一组线性可分的2D（或更大）值并将它们折叠成一组1D值...几乎就像将R值放在数字线上并找到数据集分裂的位置起来。我知道我正在做一些严重错误的数学或解释感知器的功能，但我希望能在最基本的层面上理解它......所以，如果有人能指出我失去了什么，那么非常感谢！谢谢！
答案 0 :(得分：0)
错误在您的问题陈述中：对此的正确W值是w1 = w2 = 1.R值中的分割是Rred＆lt; 4.5＆lt; Rblue。
您是如何获得给定的W系数的？