อะไรคือความแตกต่างระหว่างโครงข่ายประสาทและ perceptron?

มีคำว่า "เครือข่ายประสาท" และ "perceptron" ต่างกันไหม?

ใช่มี - "perceptron" หมายถึงรูปแบบการเรียนรู้แบบมีผู้สอนพิเศษซึ่ง Rosenblatt อธิบายไว้ในปีพ. ศ. 2507 Perceptron เป็นเครือข่ายประสาทประเภทหนึ่งและในความเป็นจริงแล้วมีความสำคัญทางประวัติศาสตร์ในฐานะหนึ่งในเครือข่ายประเภทประสาทที่พัฒนา มีเครือข่ายประสาทประเภทอื่น ๆ ที่พัฒนาขึ้นหลังจาก perceptron และความหลากหลายของโครงข่ายประสาทยังคงเพิ่มขึ้นเรื่อย ๆ

แบบจำลอง Perceptron อยู่ในชุดของแบบจำลองโครงข่ายประสาทเทียม

A (ชั้นเดียว) perceptron เป็นเครือข่ายประสาทชั้นเดียวที่ทำงานเป็นตัวจําแนกเชิงเส้นแบบไบนารี เป็นเครือข่ายประสาทชั้นเดียวที่สามารถฝึกอบรมได้โดยไม่ต้องใช้อัลกอริธึมขั้นสูงเช่นการขยายพันธุ์กลับและสามารถฝึกอบรมโดย "ก้าวไปสู่" ความผิดพลาดของคุณในขั้นตอนที่ระบุโดยอัตราการเรียนรู้ เมื่อมีคนพูดว่า perceptron ฉันมักจะนึกถึงรุ่นเลเยอร์เดี่ยว

หากคุณกำลังพูดถึงตรอนหลายแต่แล้วคำว่าเป็นเช่นเดียวกับเครือข่ายฟีดไปข้างหน้าของระบบประสาท

ขั้นตอนการเรียนรู้ Perceptron ไม่สามารถสรุปเป็นชั้นที่ซ่อนอยู่ได้

•ขั้นตอนการลู่เข้าของ Perceptron ทำงานโดยตรวจสอบให้แน่ใจว่าทุกครั้งที่มีการเปลี่ยนตุ้มน้ำหนักพวกเขาจะเข้าใกล้กับชุดตุ้มน้ำหนัก

- การรับประกันประเภทนี้ไม่สามารถขยายไปยังเครือข่ายที่ซับซ้อนมากขึ้นซึ่งค่าเฉลี่ยของสองวิธีแก้ปัญหาที่ดีอาจเป็นวิธีที่ไม่ดี

•ดังนั้นเครือข่ายนิวรัล "หลายชั้น" จึงไม่ใช้ขั้นตอนการเรียนรู้ของ Perceptron

- ไม่ควรเรียกว่า perceptrons หลายชั้น

-Reference Coursera.org - หลักสูตร Net Neural - สัปดาห์ที่ 3

ในฐานะที่เป็นที่กล่าวถึง @ Nick Preceptronเป็นเครือข่ายประสาทที่มีชั้นเดียวซึ่งการใช้งานโปรแกรมที่เขียนด้วยมืออยู่บนพื้นฐานของความรู้สึกร่วมกันในการกำหนดคุณสมบัติ คุณสมบัตินี้ใช้เป็นอินพุตของเครือข่ายและทำการตัดสินใจแบบไบนารีตามนั้น

[รูปภาพและคำอธิบายอ้างอิงจาก Hinton Slide's ใน Coursera]