| dbpprop:abstract
|
- The perceptron is a type of artificial neural network invented in 1957 at the Cornell Aeronautical Laboratory by Frank Rosenblatt. It can be seen as the simplest kind of feedforward neural network: a linear classifier.
- Das Perzeptron (engl. perceptron, nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz, das zuerst von Frank Rosenblatt 1958 vorgestellt wurde. Es besteht in der Grundversion (einfaches Perzeptron) aus einem einzelnen künstlichen Neuron mit anpassbaren Gewichtungen und einem Schwellenwert. Unter diesem Begriff werden heute verschiedene Kombinationen des ursprünglichen Modells verstanden, dabei wird zwischen einlagigen und mehrlagigen Perzeptrons (engl. multi-layer perceptron, MLP) unterschieden. Die prinzipielle Arbeitsweise besteht darin, einen Eingabevektor in einen Ausgabevektor umzuwandeln und damit stellt es einen einfachen Assoziativspeicher dar.
- El Perceptrón es un tipo de red neuronal artificial desarrollado por Frank Rosenblatt, véase Perceptrón multicapa, también puede entenderse como perceptrón la neurona artificial y unidad básica de inferencia en forma de discriminador lineal, que constituye este modelo de red neuronal artificial, esto debido a que el perceptrón puede usarse como neurona dentro de un perceptrón más grande u otro tipo de red neuronal artificial.
- Le perceptron peut être vu comme le type de réseau de neurones le plus simple. C'est un classifieur linéaire. Ce type de réseau neuronal ne contient aucun cycle. Le perceptron a été inventé en 1957 par Franck Rosenblatt au Cornell Aeronautical Laboratory inspiré par la théorie cognitive de Friedrich Hayek et celle de Donald Hebb. Dans sa version simplifiée le perceptron est mono-couche et n'a qu'une seule sortie à laquelle toutes les entrées sont connectées. Les entrées et la sortie sont booléennes. Le potentiel post-synaptique <math>\sum W_i e_i</math> où <math>W_i</math> est le poids de l'entrée <math>e_i</math>. La fonction d'activation est la fonction de Heaviside (la fonction signe est parfois utilisée) <math>H(x)=\left\\beginmatrix 0 & \mathrmsi & x < 0 \\ 1 & \mathrmsi & x \ge 0\endmatrix\right. </math> avec<math>x = \sum W_i e_i - b</math>. Ici b définit le seuil à dépasser pour que la sortie soit à 1. On trouve fréquemment une variante de ce modèle de base dans laquelle la sortie prend les valeurs -1 et 1 au lieu de 0 et 1.
- Il percettrone è un tipo di classificatore binario che mappa i suoi ingressi x in un valore di output f \left(x \right) (uno scalare di tipo reale) calcolato con f \left(x\right) = \chi \left(\langle w,x \rangle + b \right) dove w è un vettore di pesi con valori reali, \langle \cdot,\cdot \rangle è il prodotto scalare (che calcola una somma pesata degli input), b è il 'bias', un termine costante che non dipende da alcun valore in input e \chi \left(y \right) è la funzione di output. Le scelte più comuni per la funzione \chi \left(y \right) sono: \chi \left(y \right) = \operatorname{sign} \left(y \right) \chi \left(y \right) = y \, \Theta \left(y \right) \chi \left(y \right) = y dove \Theta \left(y \right) è la funzione di Heaviside Il primo caso corrisponde a un classificatore binario (l'output può assumere solamente i valori +1 e -1); un caso particolarmente studiato è quello in cui sia gli input x che l'output f \left(x \right) sono binari. Il bias b può essere pensato come un settaggio della funzione di attivazione (per es. quando \chi \left è come nel caso 3), o come un livello base di attivazione per l'output del neurone (per es. quando \chi \left è come nei casi 1 e 2). In quest'ultima situazione, il valore -b rappresenta un valore di soglia che la somma pesata degli input deve superare affinché il dispositivo sia attivo (cioè che l'output sia positivo). Il percettrone può essere considerato come il più semplice modello di rete neurale feed-forward, in quanto gli input alimentano direttamente l'unità di output attraverso connessioni pesate. Nel caso in cui gli input e gli output sono dello stesso tipo, è possibile creare reti più complesse unendo più percettroni insieme, per esempio usando un gruppo (o strato) di percettroni come input per un secondo gruppo di percettroni, oppure facendo in modo che l'input di ogni percettrone della rete sia dato dall'output di ogni altro percettrone (rete fully-connected).
- パーセプトロン(perceptron)は、心理学者・計算機科学者のフランク・ローゼンブラットが1957年に考案し、1958年に論文を発表した、ニューラルネットの一種。 視覚と脳の機能をモデル化したものであり、パターン認識を行う。シンプルなネットワークでありながら学習能力を持つということがニューラルネットブームを巻き起こした。他の研究者によって、様々な変種が考案されており、2009年現在でも広く使われている機械学習アルゴリズムの一つである。
- Een perceptron (of meerlaags perceptron) is een neuraal netwerk waarin de neuronen in verschillende lagen met elkaar verbonden zijn. Een eerste laag bestaat uit ingangsneuronen, waar de inputsignalen aangelegd worden. Vervolgens zijn er één of meerdere 'verborgen’ lagen, die zorgen voor meer 'intelligentie' en tenslotte is er de uitgangslaag, die het resultaat van het perceptron weergeeft. Alle neuronen van een bepaalde laag zijn verbonden met alle neuronen van de volgende laag, zodat het ingangssignaal voort propageert door de verschillende lagen heen.
- Perceptron - sieć neuronowa najprostszego typu. Pojęcie to stosowane jest zamiennie do określenia sieci składającej się z: pojedynczego neuronu McCullocha-Pittsa pewnej liczby neuronów wejściowych, których wyjścia połączone są z wejściami pewnej liczby neuronów wyjściowych; mimo iż ten typ perceptronów bywa nazywany perceptronem dwuwarstwowym, zwykle określa się go mianem perceptronu jednowarstwowego, ponieważ właściwą warstwą dokonującą sumowania i obliczania wyjścia według wartości funkcji aktywacji jest tylko warstwa druga wielu warstw neuronów, gdzie wyjścia poprzedniej warstwy łączą się z wejściami kolejnej; są to tak zwane perceptrony wielowarstwowe. Działanie perceptronu polega na klasyfikowaniu danych pojawiających się na wejściu i ustawianiu stosownie do tego wartości wyjścia. Przed używaniem perceptron należy wytrenować podając mu przykładowe dane na wejście i modyfikując w odpowiedni sposób wagi wejść i połączeń między warstwami neuronów, tak aby wartość na wyjściu przybierała pożądane wartości. Perceptrony mogą klasyfikować dane na zbiory, które są liniowo separowalne. Własność ta uniemożliwia na przykład wytrenowanie złożonego z jednego neuronu perceptronu, który wykonywałby logiczną operację XOR na wartościach wejść. Pojęcie perceptronu zostało wprowadzone przez Franka Rosenblatta w roku 1958. Perceptron zbudowany przez niego wraz z Charlesem Wightmanem był częściowo elektromechanicznym, częściowo elektronicznym urządzeniem, którego przeznaczeniem było rozpoznawanie znaków alfanumerycznych. Innowacją było tu zastosowanie procesu uczenia się jako metody programowania systemu. W roku 1969 Marvin Minsky i Seymour Papert wykazali ograniczenia perceptronów, co spowodowało długotrwały impas w pracach nad sztucznymi sieciami neuronowymi.
- Перцептро́н, или персептрон — математическая и компьютерная модель восприятия информации мозгом, предложенная Фрэнком Розенблаттом в 1957 году и реализованная в виде электронной машины «Марк-1» в 1960 году. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером. Несмотря на свою простоту, перцептрон способен обучаться и решать довольно сложные задачи. Перцептрон состоит из трёх типов элементов, а именно: поступающие от сенсоров сигналы передаются ассоциативным элементам, а затем реагирующим элементам. Таким образом, перцептроны позволяют создать набор «ассоциаций» между входными стимулами и необходимой реакцией на выходе. В биологическом плане это соответствует преобразованию, например, зрительной информации в физиологический ответ от двигательных нейронов. Согласно современной терминологии, перцептроны могут быть классифицированы как искусственные нейронные сети: с одним скрытым слоем; с пороговой передаточной функцией; с прямым распространением сигнала. На фоне роста популярности нейронных сетей, в 1969 году вышла книга Марвина Минского и Сеймура Паперта, которая показала принципиальные ограничения перцептронов. Это привело к смещению интереса исследователей искусственного интеллекта в противоположную от нейросетей область символьных вычислений. Кроме того, из-за сложности математического анализа перцептронов, а также отсутствия общепринятой терминологии, возникли различные неточности и заблуждения. Впоследствии интерес к нейросетям, и в частности, работам Розенблатта, возобновился.
- Perceptronen är en linjär klassificerare. Den uppfanns 1958 av Rosenblatt. I sitt grundutförande lider den, liksom andra enkla linjära klassificerare, av bristen att inte kunna representera funktioner som inte är linjärt separerbara, och den kunde också lätt få problem av brusiga träningsmängder (vilket också kan leda till linjärt oseparerbara mängder). Dessa problem är dock åtgärdade i modernare formuleringar av algoritmen.
- 感知器 是1957年，Frank Rosenblatt在Cornell Aeronautical Laboratory所發明的一種人工神經網路。它可以被視為一種最簡單形式的前馈式人工神經網路，是一種线性分类器。
|
| rdfs:comment
|
- The perceptron is a type of artificial neural network invented in 1957 at the Cornell Aeronautical Laboratory by Frank Rosenblatt. It can be seen as the simplest kind of feedforward neural network: a linear classifier.
- Das Perzeptron (engl. perceptron, nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz, das zuerst von Frank Rosenblatt 1958 vorgestellt wurde. Es besteht in der Grundversion (einfaches Perzeptron) aus einem einzelnen künstlichen Neuron mit anpassbaren Gewichtungen und einem Schwellenwert. Unter diesem Begriff werden heute verschiedene Kombinationen des ursprünglichen Modells verstanden, dabei wird zwischen einlagigen und mehrlagigen Perzeptrons (engl.
- El Perceptrón es un tipo de red neuronal artificial desarrollado por Frank Rosenblatt, véase Perceptrón multicapa, también puede entenderse como perceptrón la neurona artificial y unidad básica de inferencia en forma de discriminador lineal, que constituye este modelo de red neuronal artificial, esto debido a que el perceptrón puede usarse como neurona dentro de un perceptrón más grande u otro tipo de red neuronal artificial.
- Le perceptron peut être vu comme le type de réseau de neurones le plus simple. C'est un classifieur linéaire. Ce type de réseau neuronal ne contient aucun cycle. Le perceptron a été inventé en 1957 par Franck Rosenblatt au Cornell Aeronautical Laboratory inspiré par la théorie cognitive de Friedrich Hayek et celle de Donald Hebb. Dans sa version simplifiée le perceptron est mono-couche et n'a qu'une seule sortie à laquelle toutes les entrées sont connectées.
- Il percettrone è un tipo di classificatore binario che mappa i suoi ingressi x in un valore di output f \left(x \right) (uno scalare di tipo reale) calcolato con f \left(x\right) = \chi \left(\langle w,x \rangle + b \right) dove w è un vettore di pesi con valori reali, \langle \cdot,\cdot \rangle è il prodotto scalare (che calcola una somma pesata degli input), b è il 'bias', un termine costante che non dipende da alcun valore in input e \chi \left(y \right) è la funzione di output.
- Een perceptron (of meerlaags perceptron) is een neuraal netwerk waarin de neuronen in verschillende lagen met elkaar verbonden zijn. Een eerste laag bestaat uit ingangsneuronen, waar de inputsignalen aangelegd worden. Vervolgens zijn er één of meerdere 'verborgen’ lagen, die zorgen voor meer 'intelligentie' en tenslotte is er de uitgangslaag, die het resultaat van het perceptron weergeeft.
- Perceptron - sieć neuronowa najprostszego typu.
- Перцептро́н, или персептрон — математическая и компьютерная модель восприятия информации мозгом, предложенная Фрэнком Розенблаттом в 1957 году и реализованная в виде электронной машины «Марк-1» в 1960 году.
- Perceptronen är en linjär klassificerare. Den uppfanns 1958 av Rosenblatt. I sitt grundutförande lider den, liksom andra enkla linjära klassificerare, av bristen att inte kunna representera funktioner som inte är linjärt separerbara, och den kunde också lätt få problem av brusiga träningsmängder (vilket också kan leda till linjärt oseparerbara mängder). Dessa problem är dock åtgärdade i modernare formuleringar av algoritmen.
- 感知器 是1957年，Frank Rosenblatt在Cornell Aeronautical Laboratory所發明的一種人工神經網路。它可以被視為一種最簡單形式的前馈式人工神經網路，是一種线性分类器。
|
![[RDF Data]](/statics/sw-cube.png)
