پرسپترون

پرسپترون (Perceptron) یک نوع شبکهٔ عصبی مصنوعی است که در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال به وسیلهٔ فرانک روزنبلت ابداع شد. می‌توان آن را ساده ترین نوع شبکهٔ عصبی هایی که در آنها خروجی فقط به سمت جلو حرکت می‌کنند (Feedforward) در نظر گرفت : یک تفکیک کنندهٔ خطی.

تعریف [ویرایش]

پرسپترون یک نوع تفکیک کنندهٔ دودویی است که ورودی خود x (یک بردار از نوع اعداد حقیقی) را به مقدار خروجی $f(x)$ (یک اسکالر از نوع اعداد حقیقی) که به صورت زیر حساب می‌شود، متناظر می‌کند:
$f(x)=<w,x>+b$
که در آن $w$ یک بردار از وزنهایی با مقادیر حقیقی است و $<.,.>$ ضرب نقطه‌ای است (که مجموع وزن دار را محاسبه می‌کند). $b$ 'بایاس' است، یک جملهٔ ثابت که به ورودی بستگی ندارد.

علامت $f(x)$ برای دسته بندی $x$ به نمونهٔ مثبت یا منفی، در مسایل دسته بندی دودویی استفاده می‌شود. بایاس می‌تواند به عنوان متعادل کنندهٔ تابع فعالیت، یا مقدار پایه برای فعالیت نورون خروجی، در نظر گرفته شود. اگر $b$ منفی باشد، ترکیب وزندار ورودی‌ها باید مقدار مثبتی بزرگ‌تر از $|b|$ تولید کند، تا نورون دسته بندی کننده را در حالتی بزرگ‌تر از آستانهٔ 0 قرار دهد.