Skip to content

joyhuang-note/example-neural-network-perceptron-document

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Example-Neural-Network-Perceptron Document

程式執行說明

程式有三個可輸入欄位,輸入檔案、學習率、學習次數,其中學習率、學習次數若維持空白則使用程式中的預設值,按下”執行”按鈕即可執行程式。

左半邊將會出現繪圖圖形,右下角將會出現訓練正確率、測試正確率。

圖形部分,藍色點為測試資料,紅色點為訓練資料,黃色點線為鍵結值向量。

程式簡介和實驗結果

目前版本的程式使用感知機訓練法實作,設定初始鍵結值向量、學習率、訓練次數,再藉由比對期望輸出值和活化函數 sgn 來調整鍵結值向量。

只能辨識二維資料,並分成兩個群集,能成功辨識的資料有:2Ccircle1.txt, 2Circle1.txt, 2class.txt, 2CloseS.txt, 2CloseS2.txt, 2CloseS3.txt, 2cring.txt, 2CS.txt, 2Hcircle1.txt, 2ring.txt, 感知機1.txt。

實驗結果分析與討論

普遍來說,訓練次數越多,訓練正確率和測試正確率都會比較高,而訓練正確率又比測試正確率來的高,至於初始鍵結值向量和學習率的調整,並沒有感受到太大的差別。

目前程式跑出來的測試正確率仍然偏低,估計是選取測試資料和訓練資料時,未將資料打亂的緣故,而有時候鍵結直向量的繪圖部分並不是很明顯,無法明確分隔出不同的群集,或許是X, Y軸坐標的運算處理還不夠精確,而之後能處理多維、多群集資料等功能都是程式改善的目標。

About

reference to "joyhuang9473/example-neural-network-perceptron"

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published