שיטות מתמטיות בבינה מלאכותית
↩ הקורס/יחידה 2 · הפרספטרון
פרספטרון מחימר: הרשתית רואה 7, שלושה נוירוני אסוציאציה נדלקים, ונוירון הפלט 7 מנצח
באיור: פרספטרון זעיר באותו מבנה כמו בניסוי: רשתית 4×4, שמונה נוירוני אסוציאציה, כל אחד עם שלושה קשרים מעוררים (ירוק) ושלושה מעכבים (אדום) לפיקסלים אקראיים, ועשרה נוירוני פלט שהמשקלים אליהם אומנו בכלל התיקון של Rosenblatt על עשר תבניות של ספרות. הרשתית רואה 7: נדלקים A1, A7 ו־A8, ונוירון הפלט 7 מנצח בסכום 5 (אחריו 0, בסכום 3).
ניסוי · Rosenblatt 1958 · המודל שאומן בקוד הקורס

ציירו ספרה, והפרספטרון יזהה אותה

הרשתית S היא 784 פיקסלים בינאריים; 3000 נוירוני אסוציאציה, כל אחד מחובר ל־10 פיקסלים אקראיים עם סימן, נדלקים כשהסכום מגיע לסף θ = 2; ומטריצת המשקלים V, שנלמדה בכלל התיקון של Rosenblatt במעבר אחד על 60,000 ספרות בסדר שבו הן נתונות, בוחרת את המחלקה c = argmax(V·A). דיוק על 10,000 ספרות בדיקה: .

הדף בוויקי: ההגדרות וכלל הלמידה מערך השיעור מסמך העדות הקוד (zip)

ציירו ספרה

ציירו באמצע, בגודל רוב הלוח. הזיהוי רץ תוך כדי הציור.

הרשתית S

28×28, ממורכז כמו ב־MNIST, ואז בינארי

או בחרו ספרה מהמאגר

ההחלטה

עדיין אין ציור.

וקטור המחלקות R = V·A

עשרה מספרים, אחד לכל ספרה; הפרספטרון בוחר את הגדול ביותר (שיטה 4).

המודל (האינדקסים והסימנים של שכבת האסוציאציה, ו־V) נוצר ע"י code/perceptron.py ונטען מהקובץ model.js. המשקלים ב־V הם מספרים שלמים: כל אחד הוא סכום של תיקונים בגודל η.

נתונים: MNIST (LeCun, Cortes & Burges), ברישיון CC BY-SA 3.0.