知识卡片
感知器模型与第一次低潮
感知器是第一个有实用价值的神经网络模型:它用可调整的权重对输入加权求和并输出分类,Rosenblatt 还证明了两层感知机的收敛定理,让“训练”有了理论保证,因此成为现代神经网络的出发点。但单层感知器的能力止步于线性可分问题——Minsky 与 Papert 从数学上证明它无法解决异或(XOR),因为 XOR 的正负样本无法被一条直线分开。这个局限性经《感知器》一书传播,加上 Minsky 的学术权威,直接把神经网络推入十余年的低潮。要点在于:一次失败不是因为实现粗糙,而是模型结构上表达能力不足;这个“单层不能表达非线性”的结论,后来反过来成为设计多层网络与反向传播的动机。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 神经网络初步 · 查看原书依据
这次崛起的标志性成就是,F.Rosenblan于1958年提出了著名的感知器模型。同时,他还证明了两层感知机的收敛定理。这是世界上第一个有实用价值的神经网络模型,成为现代神经网络的出发点。
参考来源
- 位置:《机器学习算法原理与编程实践》第6章 神经网络初步(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00022.html)
- 结论依据:原文称感知器为第一个有实用价值的模型并给出收敛定理,又记载 Minsky 等证明单层感知器不能处理 XOR、导致研究低潮,支撑“结构性局限引发低潮”的判断。
- 原始内容:这次崛起的标志性成就是,F.Rosenblan于1958年提出了著名的感知器模型。同时,他还证明了两层感知机的收敛定理。这是世界上第一个有实用价值的神经网络模型,成为现代神经网络的出发点。