《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》
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。
图表编号 | XD001172400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.06 |
作者 | 徐金甫、董永兴、李军伟 |
绘制单位 | 解放军信息工程大学、解放军信息工程大学、解放军信息工程大学 |
更多格式 | 高清、无水印(增值服务) |