第三章 前馈型神经网络模型 3.1 感知器（Perception ） 3.2 多层前馈型神经网络 3.3 误差逆传播算法（BP 算法） 3.4 误差逆传播算法(BP 算法) 的若干改进 3.5 使用遗传算法(GA) 训练前馈型神经网络方法 3.6 前馈型神经网络结构设计方法 2 87 3.7 基于算法的前馈型神经网络在识别问题中的应用 3.8 自适应线性元件 3.9 径向基函数神经网络 3 873.1 感知器（Perception ） 3.1.1 单层感知器 3.1.2 感知器的收敛定理 3.1.3 多层感知器网络 3.1.4 感知器用于分类问题的算例 4 873.1.1 单层感知器 一、单层感知器网络 单层感知器神经网络，输入向量为X= （X1,X2,Xm），输出向量为Y=(Y1,Y2,Yn) 。 感 知 器 的 输 入 向 量 为 X Rn, 权 值 向 量 为W Rn单元的输出为Y 1,1 。其中： 其中，X= (X,1),W= (W,) 。 5 87w21wmjw22wmnw12w11xmx1x2y1y2yn12nw1nw2mwmjwijw2jw1jyjxix1x2xm 图3.
