Professional Documents
Culture Documents
Pregled predavanja
Neuronske mree:
Perceptron
Uvod
Jednoslojni perceptron
Algoritam u enja
Klasifikator maksimalne vjerojatnosti
Diskusija
Zadaci
Uvod
Jednoslojni perceptron
x1
x2
w1
w2
(.)
wp
w x
p
j =1
y = (v )
xp
v=
Podruja klasifikacije
Jednoslojni perceptron
w x = 0
p
j =1
4-1
Sven Lonari
Neuronske mree: Perceptron
Primjer klasifikacije
u dvije dimenzije
Kod 2-D klasifikacije
granica izmeu klasa
definirana je pravcem
w1x1+w2x2- = 0
Toka koja lei iznad
pravca pripada klasi C1
Toka ispod pravca
pripada klasi C2
Jednoslojni perceptron
Prag neurona
moemo
prikazati kao
dodatni ulaz s
fiksnim
iznosom -1 i
pripadnom
teinom
x2
granica
Klasa C1
x1
Klasa C2
Jednoslojni perceptron
x0 =-1
x1
x2
w0=
w1
w2
(.)
wp
xp
Klasifikacija
Algoritam uenja
w(n+1) = w(n)
ako je w(n)T x(n) >= 0 i x(n) pripada klasi C1
w(n+1) = w(n)
ako je w(n) T x(n) < 0 i x(n) pripada klasi C2
4-2
Sven Lonari
Neuronske mree: Perceptron
Klasifikator maksimalne
vjerojatnosti
Klasifikator maksimalne
vjerojatnosti
Estimacija parametara
ML klasifikator
Neka je uzorak opisan p-dimenzionalnim sluajnim
vektorom x koji ima vektor srednje vrijednosti =
E[x] i kovarijancijsku matricu C = E[(x-)(x-)T]
Ako pretpostavimo da slu ajni vektor x ima
Gaussovu razdiobu onda je funkcija gusto e
vjerojatnosti dana izrazom:
f (x) =
ML klasifikator
1
1
exp (x )T C1 (x )
(2 ) p / 2 (det C)1 / 2
2
ML klasifikator
4-3
Sven Lonari
Neuronske mree: Perceptron
ML klasifikator
ML klasifikator
1
1
exp (x i )T C1 (x i )
(2 ) p / 2 (det C )1 / 2
2
ln f ( x | Ci ) =
ML klasifikator
ML klasifikator
l (x ) = l1 (x ) l2 (x ) = (1 2 ) C1x
T
1 T 1
1 C 1 2T C 1 2
2
l (x) = wT x
gdje je:
w = C 1 (1 2 )
= 1 1T C11 2T C12
2
ML klasifikator i perceptron
ML klasifikator i perceptron
granica
f1(x)
f2(x)
x
klasa 2
1
1
1 T
p
T
ln (2 ) ln(det C ) x T C 1 x + i C 1x i C 1i
2
2
2
2
klasa 1
4-4
Sven Lonari
Neuronske mree: Perceptron
Diskusija
Zadaci
Problem 4.1.
Jednoslojni perceptron je linearni klasifikator. Objasniti ovu
tvrdnju.
Problem 4.2.
Dane su dvije jednodimenzionalne klase C1 i C2 s
Gaussovim distribucijama koje imaju varijancu jednaku 1 i
srednje vrijednosti 1=-10 i 2=10. Izraunati klasifikator za
separaciju ovih klasa.
x2
x1
4-5