電子全文
(
網際網路公開日期：20270726
)
國圖紙本論文
研究生:鄭宇昕
研究生(外文):CHENG, YU-HSIN
論文名稱:對於圓空間之兩層感知器
論文名稱(外文):Two Layers Perceptron for Sphere
指導教授:林基源;王俊傑
指導教授(外文):LIN, CHI-YUAN;WANG, JYUN-JIE
學位類別:碩士
校院名稱:國立勤益科技大學
系所名稱:資訊工程系
論文出版年:2022
語文別:中文
論文頁數:61
論文摘要
研究人員已經在神經網絡中開發了大量的感知器技術。感知器，也稱為神經元，是一種被證明為有效的分類算法技術。與聚類問題 (cluster problem)需要最小距離算法來找到閉合向量不同，本研究提出了一種稱為超圓球感知器的自適應算法。對於超圓球感知器演算法能夠在超平面上的任意數據分佈上執行數據分類。結果表明，超圓球感知器嵌入演算法能夠對多種數據進行分類。此外，實驗結果還證明了目標值和空間分類之間的關係。
論文外文摘要
Researchers have developed numerous perceptron techniques in neural networks. Perceptrons, also known as neurons, are a proven algorithmic technique for classification. Unlike the clustering problem, which requires a minimum distance algorithm to find closed vectors, this study proposes an adaptive algorithm called the hyperplane sphere perceptron. The two-layer perceptron algorithm for circular spaces can perform data classification on arbitrary data distributions on the hyperplane. The results show that the two-layer perceptron embedding algorithm for circular space can classify a variety of data. Furthermore, experimental results demonstrate the trade-off between the desired output and spatial classification.
