Gibt es einen Unterschied zwischen den Begriffen "Neuronales Netz" und "Perzeptron"?
Antworten:
Ja, es gibt - "Perzeptron" bezieht sich auf ein bestimmtes überwachtes Lernmodell, das von Rosenblatt im Jahr 1957 skizziert wurde. Das Perzeptron ist ein bestimmter Typ eines neuronalen Netzwerks und tatsächlich historisch wichtig als einer der entwickelten Typen eines neuronalen Netzwerks. Es gibt andere Arten von neuronalen Netzen, die nach dem Perzeptron entwickelt wurden, und die Vielfalt der neuronalen Netze nimmt weiter zu (insbesondere in Anbetracht dessen, wie modern und modisch Deep Learning heutzutage ist).
Perceptron-Modelle sind in der Menge der neuronalen Netzmodelle enthalten.
Ein (einschichtiges) Perzeptron ist ein einschichtiges neuronales Netzwerk, das als linearer binärer Klassifikator arbeitet. Da es sich um ein einschichtiges neuronales Netzwerk handelt, kann es ohne die Verwendung fortgeschrittener Algorithmen wie der Rückübertragung trainiert werden. Stattdessen kann es trainiert werden, indem Sie in Schritten, die durch eine Lernrate vorgegeben sind, auf Ihren Fehler zugehen. Wenn jemand Perceptron sagt, denke ich normalerweise an die einschichtige Version.
Wenn Sie jedoch von einem mehrschichtigen Perzeptron sprechen , ist der Begriff derselbe wie ein neuronales Feed-Forward-Netzwerk .
Das Perceptron-Lernverfahren kann nicht auf ausgeblendete Ebenen verallgemeinert werden
• Das Perzeptron-Konvergenzverfahren stellt sicher, dass jedes Mal, wenn sich die Gewichte ändern, sie sich jedem „großzügig machbaren“ Satz von Gewichten nähern.
- Diese Art der Garantie kann nicht auf komplexere Netzwerke ausgedehnt werden, in denen der Durchschnitt von zwei guten Lösungen eine schlechte Lösung sein kann.
• Daher verwenden „mehrschichtige“ neuronale Netze nicht das Perzeptron-Lernverfahren.
- Sie sollten niemals mehrschichtige Perzeptrone genannt werden.
-Referenz Coursera.org - Neuronales Netz Kurs - Woche 3
Wie @Nick bereits erwähnte, handelt es sich bei Preceptron um ein neuronales Netzwerk mit einer einzigen Schicht, bei dem handgeschriebene Programme verwendet werden, die auf gesundem Menschenverstand basieren, um die Merkmale zu definieren . Diese Funktionen werden als Eingabe des Netzwerks verwendet und treffen dann basierend darauf eine binäre Entscheidung .
[Bild & Erklärung basiert auf Hinton Slide's in Coursera]