模式识别

神经网络用于面部识别等应用程序。

这些应用程序使用模式识别。

这类分类可以用一个来完成感知器。

感知器可用于将数据分为两部分。

感知器也被称为线性二元分类器。

模式分类

想象一下在具有分散 xy 点的空间中的一条直线（线性图）。

如何对线上方和线下的点进行分类？

感知器可以被训练来识别线上的点，而无需知道线的公式。

Perceptron

如何对感知器进行编程

为了对感知器进行编程，我们可以使用一个简单的 JavaScript 程序，该程序将：

创建一个简单的绘图仪
创建 500 个随机 xy 点
显示 xy 点
创建线函数：f(x)
显示线路
计算所需的答案
显示想要的答案

创建一个简单的绘图仪

创建一个简单的绘图仪对象的描述见AI画布篇。

示例

const plotter = new XYPlotter("myCanvas");
plotter.transformXY();

const xMax = plotter.xMax;
const yMax = plotter.yMax;
const xMin = plotter.xMin;
const yMin = plotter.yMin;

创建随机 XY 点

根据需要创建任意多个 xy 点。

让 x 值是随机的（在 0 和最大值之间）。

让 y 值是随机的（在 0 和最大值之间）。

在绘图仪中显示点：

示例

const numPoints = 500;
const xPoints = [];
const yPoints = [];
for (let i = 0; i < numPoints; i++) {
xPoints[i] = Math.random() * xMax;
yPoints[i] = Math.random() * yMax;
}

亲自试一试 »

创建线函数

在绘图仪中显示该线：

示例

function f(x) {
return x * 1.2 + 50;
}

亲自试一试 »

计算正确答案

根据线函数计算正确答案：

y = x * 1.2 + 50。

如果 y 在线上，则所需答案为 1；如果 y 在线下，则所需答案为 0。

将所需的答案存储在数组中 (desired[])。

示例

let desired = [];
for (let i = 0; i < numPoints; i++) {
desired[i] = 0;
if (yPoints[i] > f(xPoints[i])) {desired[i] = 1;}
}

显示正确答案

对于每个点，如果desired[i] = 1则显示黑点，否则显示蓝点。

示例

for (let i = 0; i < numPoints; i++) {
  let color = "blue";
  if (desired[i]) color = "black";
  plotter.plotPoint(xPoints[i], yPoints[i], color);
}

亲自试一试 »

如何训练感知器

在下一章中，您将学习如何使用正确答案来：

训练感知器预测未知输入值的输出值。