邮发代码:82-418   刊号:ISSN1671-4350   定价:16.00

[人工智能普及教育]高中人工智能 ——初探感知器(上)

文_程 凯/山西省晋中市太谷区第二中学校

2021-12/总第309期

阅读数4

教学背景

高中学生初次接触人工智能,兴趣浓厚、积极性高,但缺乏人工智能基础知识,不能与当前所学学科内容结合,所以教学中应从如何注重基础知识,如何与高中学生现有阶段的知识水平相结合2个维度推动人工智能的普及,不断激发学生的学习兴趣。  


教学主题

本节课基于感知器教学,它是一种训练线性分类器的算法,它的主要想法是利用被误分类的训练数据调整现有分类器的参数,使得调整后的分类器判断得更加准确。感知器是机器学习的一种训练算法,采用监督学习方法,在其中融入迭代算法思想。此外,感知器也被指为单层的人工神经网络,掌握了感知器相关知识,可为以后学习神经网络打下扎实基础。

本节主要内容是如何能够合理设计感知器初始参数及学习率,训练感知器分类器。感知机主要的本质缺陷是它不能处理线性不可分问题。作为一种线性分类器,(单层)感知机可说是最简单的前馈人工神经网络形式。感知器属于监督学习,给定了分类的数据和标签,尽管结构简单,却能够学习并解决相当复杂的问题。


实施步骤

什么是感知器

感知器是Frank Rosenblatt在1957年时所发明的一种人工神经网络,它可以被视为一种最简单形式的前馈式人工神经网络,是一种二元线性分类器。感知器模型可以对简单的数据节点进行分类,这个发现引起了第一波的AI浪潮。因为人们认为简单的感知器可以实现分类功能,那通过组合可以实现更复杂的功能,但后面发现感知器无法模拟异或运算,无法处理非线性问题,第一波浪潮就这样沉入了低谷。

感知器学习算法,这种算法包括感知器学习、最小二乘法和梯度下降法。可将训练数据进行线性划分的分离超平面,从而求得感知器模型。

设计意图:通过学习感知器的历史,能让学生进一步认识感知器,对其优点和缺点进一步了解,为后来学习深度神经网络作好铺垫。  


青辅协会员专属文章,

以下平台可使用同一账号密码登录,点击开始同步密码

确认