Чи є різниця між термінами "нейронна мережа" та "перцептрон"?
Відповіді:
Так, існує - "персептрон" відноситься до певної контрольованої моделі навчання, яка була окреслена Розенблатом у 1957 р. Перспептрон - це особливий тип нейронної мережі, і насправді історично важливий як один із типів розвиненої нейронної мережі. Існують і інші типи нейронної мережі, які були розроблені після перцептрона, і різноманітність нейронних мереж продовжує зростати (особливо з огляду на те, наскільки сучасним і модним є глибоке навчання в наші дні).
Моделі рецепторів містяться в наборі моделей нейронної сітки.
Перспектрон (одношаровий) - це одношарова нейронна мережа, яка працює як лінійний двійковий класифікатор. Будучи одношаровою нейронною мережею, її можна навчити без використання більш досконалих алгоритмів, таких як розповсюдження спини, і натомість можна навчати, "крокуючи до" вашої помилки в кроках, визначених швидкістю навчання. Коли хтось каже персептрон, я зазвичай думаю про одношарову версію.
Якщо ж ви говорите про багатошаровий перцептрон , то термін такий же, як і нейронна мережа, спрямована вперед .
Процедуру навчання Perceptron неможливо узагальнити до прихованих шарів
• Процес конвергенції перцептрону працює, забезпечуючи щоразу, коли ваги змінюються, вони наближаються до кожного «щедро здійсненного» набору ваг.
- Цей вид гарантії не може поширюватися на більш складні мережі, в яких середнє значення двох хороших рішень може бути поганим рішенням.
• Отже, "багатошарові" нейронні мережі не використовують процедуру навчання перцептрона.
- Їх ніколи не слід було б називати багатошаровими перцептронами.
-Референція Coursera.org - Курс нейронної мережі - 3 тиждень
Як згадував @Nick, Preceptron - це нейронна мережа з одношаровим, в якому для написання функцій використовують рукописні програми, засновані на здоровому глузді . Ці функції використовуються як вхід в мережу, а потім приймають двійкове рішення на основі цього.
[Зображення та пояснення базувалося на Гінтоні Слайді в Курсіра]