前言

人工智能的第一次高潮始于上世紀50年代。在算法方面，感知器數學模型被提出用于模擬人的神經元反應過程，并能夠使用梯度下降法從訓練樣本中自動學習，完成分類任務。

感知器

感知器算法在上個世紀50-70年代很流行，也成功解決了很多問題。并且，感知器算法也是非常簡單的。

• 感知器的定義

  感知器示意圖：
  

python實現感知器

• 環境
• Ubuntu16.04 LTS
• python 3.x
• numpy
• 代碼實現
• perception.py

測試

這里有我自己整理了一套最新的python系統學習教程，包括從基礎的python腳本到web開發、 爬蟲、數據分析、數據可視化、機器學習等。 小編這里推薦加小編的python學習群：895,817, 687def f(x):'''定義激活函數f'''return 1 if x > 0 else 0def get_training_dataset():# 構建訓練數據# 輸入向量列表input_vecs = [[[1,1,1], [1,1,1]], [[0,0,0],[0,0,0]], [[1,1,1],[0,0,0]], [[0,0,0],[1,1,1]]]# 對應的標簽為labels = [1, 0, 0, 0]return input_vecs, labels def train_perceptron():'''訓練感知器'''# 創建感知器，輸入參數個數為2，維度為3，激活函數為fp = Perceptron(2, 3, f)# 訓練，迭代100輪, 學習率為0.05input_vecs, labels = get_training_dataset()p.train(input_vecs, labels, 100, 0.05)# 打印訓練獲得的權重p.print_weights()return pif __name__ == '__main__': # 訓練感知器perception = train_perceptron()# 測試res = perception.predict([[1,0,0], [1,1,1]]) print(‘classification:’， res)

運行結果

總結

以上是生活随笔為你收集整理的AI实战：从入门到精通系列——用感知器实现情感分类（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。