训练感知器
- 创建一个 感知器对象
- 创建一个 训练功能
- 火车 感知器与正确答案
训练任务
想象空间中有一条直线，上面有散布的 xy 点。
训练感知器对线上和线下的点进行分类。
创建感知器对象
创建一个感知器对象。将其命名为任意名称（例如“感知器”）。
让感知器接受两个参数：
- 输入数量（无）
- 学习率（learningRate）。
将默认学习率设置为 0.00001。
然后为每个输入创建 -1 到 1 之间的随机权重。
例子
// 感知器对象
函数感知器（否，学习率 = 0.00001）{
// 设置初始值
this.learnc = 学习率;
这个.偏见=1；
// 计算随机权重
这个.权重 = [];
对于（设 i = 0；i <= 否；i++）{
这个.权重[i] = Math.random() * 2 - 1;
}
// 结束感知器对象
}
随机权重
感知器将首先 随机权重 对于每个输入。
学习率
对于每个错误，在训练感知器时，权重将进行一小部分调整。
这一小部分就是“感知器的学习率".
在感知器对象中我们称它为 学习.
偏见
有时，如果两个输入都为零，感知器可能会产生错误的输出。
为了避免这种情况，我们给感知器一个额外的输入，值为 1。
这被称为 偏见.
添加激活函数
记住感知器算法：
- 将每个输入与感知器的权重相乘
- 总结结果
- 计算结果
例子
this.activate = 函数（输入）{
设总和=0；
对于（让 i = 0; i < 输入.长度; i++）{
总和 += 输入[i] * 这个.权重[i];
}
如果 (总和 > 0) {返回 1} 否则 {返回 0}
}
激活函数将输出：
- 如果总和大于 0，则为 1
- 如果总和小于 0，则为 0
创建训练函数
训练函数根据激活函数猜测结果。
每次猜测错误时，感知器就应该调整权重。
经过多次猜测和调整后，权重就会正确。
例子
this.train = 函数（输入，期望）{
输入.推送（这个.偏见）；
让 guess = this.activate(inputs);
让错误 = 期望 - 猜测；
如果 (错误 != 0) {
对于（让 i = 0; i < 输入.长度; i++）{
this.weights[i] += this.learnc * 错误 * 输入[i];
}
}
}
反向传播
每次猜测之后，感知器都会计算出猜测的错误程度。
如果猜测错误，感知器就会调整偏差和权重，以便下次猜测会更正确一些。
这种学习方式被称为 反向传播.
经过尝试（几千次）后，你的感知器将变得非常擅长猜测。
创建自己的图书馆
图书馆代码
// 感知器对象
函数感知器（否，学习率 = 0.00001）{
// 设置初始值
this.learnc = 学习率;
这个.偏见=1；
// 计算随机权重
这个.权重 = [];
对于（设 i = 0；i <= 否；i++）{
这个.权重[i] = Math.random() * 2 - 1;
}
// 激活函数
this.activate = 函数（输入）{
设总和=0；
对于（让 i = 0; i < 输入.长度; i++）{
总和 += 输入[i] * 这个.权重[i];
}
如果 (总和 > 0) {返回 1} 否则 {返回 0}
}
// 训练函数
this.train = 函数（输入，期望）{
输入.推送（这个.偏见）；
让 guess = this.activate(inputs);
让错误 = 期望 - 猜测；
如果 (错误 != 0) {
对于（让 i = 0; i < 输入.长度; i++）{
this.weights[i] += this.learnc * 错误 * 输入[i];
}
}
}
// 结束感知器对象
}
现在您可以将该库包含在 HTML 中：
<script src="myperceptron.js"></script>
使用你的图书馆
例子
// 初始化值
const numPoints = 500;
const 学习率 = 0.00001;
// 创建绘图仪
const 绘图仪 = new XYPlotter (“myCanvas”);
绘图仪.transformXY()；
const xMax = 绘图仪.xMax;
const yMax = 绘图仪.yMax;
const xMin = 绘图仪.xMin;
const yMin = 绘图仪.yMin;
// 创建随机 XY 点
const xPoints = [];
const yPoints = [];
对于（让 i = 0; i < numPoints; i++）{
xPoints[i] = Math.random() * xMax;
yPoints[i] = Math.random() * yMax;
}
// 线函数
函数 f(x) {
返回 x * 1.2 + 50；
}
//绘制线条
绘图仪.plotLine(xMin，f(xMin)，xMax，f(xMax)，“黑色”);
// 计算所需答案
const 期望 = [];
对于（让 i = 0; i < numPoints; i++）{
期望[i] = 0;
如果 (yPoints[i] > f(xPoints[i])) {desired[i] = 1}
}
// 创建一个感知器
const ptron = new Perceptron(2，学习率);
// 训练感知器
对于（设 j = 0；j <= 10000；j++）{
对于（让 i = 0; i < numPoints; i++）{
ptron.train([xPoints[i]， yPoints[i]]，desired[i]);
}
}
// 显示结果
对于（让 i = 0; i < numPoints; i++）{
const x = xPoints[i];
const y = yPoints[i];
让 guess = ptron.activate([x, y, ptron.bias]);
让颜色=“黑色”；
如果（猜测==0）颜色=“蓝色”；
绘图仪.plotPoint（x， y，颜色）；
}
