《表1 简单两层感知器的网络输出结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于MLP算法的Glitch PUF机器学习攻击》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图4单层感知器由两层神经元组成，可以轻松实现逻辑与、或、非等运算，但是由于只有一层功能神经元，对于简单的非线性可分问题（如异或运算）就不能够正确实现[10]。为解决这一问题，多层感知器（Multilayer Perceptron，MLP）应运而生。根据普适逼近原理，多层感知器通过增加隐藏层（Hidden Layer）和激活函数可以逼近任意函数，将非线性问题表示为更高维度的线性问题[11]。采用的激活函数为阈值函数，即输入大于阈值时可被激活，输出为“1”，反之则未被激活，输出为“0”。解决异或问题，使用如图5所示的简单两层感知器就可以实现。图5中第一层为输入层，第二层为隐藏层，第三层为输出层，第二层第三层圆圈内数字为阈值，横线上数字为权重，y为输出。网络输出结果如表1所示。两层感知器实现了输入数据的异或操作。