Perceptró

Fig.1 Esquema de blocs d'un perceptró

El perceptró, en l'àmbit d'aprenentatge automàtic, és un algorisme d'aprenentage supervisat per a classificadors binaris. Un classificador binari és una funció que pot decidir si unes dades d'entrada, representades per un vector de nombres, pertanyen a una classe específica. El perceptó és un tipus de classificador lineal, és a dir, un algorisme que realitza prediccions basades en una funció d'activació lineal formada per una sèrie de coeficients o pesos. EL perceptró és considerat com la forma més senzilla (neurona d'una sola capa) de xarxa neuronal.

Fig.2 Definició matemàtica si la sortida és binària

Definició

Un perceptor d'$n$ entrades $(x_{1},x_{2},x_{3}...)$ i una sola sortida $out$ binària ve definit per $n$ pesos o coeficients $(w_{1},w_{2},w_{3}...)$ i l'aplicació de la funció d'activació del tipus funció de Heaviside :

Fig.3 Exemple de procés d'aprenentatge

$out=f(z)=\left\{{\begin{matrix}1&\mathrm {si} &\sum _{i=1}^{n}w_{i}x_{i}>\theta \\0&\mathrm {altrament} &\end{matrix}}\right.$

Procediment iteractiu : (vegeu Fig.3)

1. S'inicialitzen els pesos $w_{i}$ a zero.
2. Es calcula l'error de la sortida (valor esperat menys valor obtingut) : $E_{i}$
3. Es fixen els nous pesos $w_{i}$amb : pesos anteriors + entrada ponderada per error de la sortida : $w_{i+1}=w_{i}+\alpha \cdot x_{i}\cdot E_{i}$ (és una generalització de l'algorisme LMS)

Exemples

Perceptró que implementa una porta AND de dues entrades

Fig.4 Exemple de funció AND

Taula de valors que resol els valors de la Fig.4 :

Entrada	Pesos	f(z)
$x_{1}$	$w_{1}=$1	$\theta$ = 1.5
$x_{2}$	$w_{2}=$1	$\theta$ = 1.5

Perceptró que implementa una porta OR de dues entrades

Fig.5 Exemple de funció OR

Taula de valors que resol els valors de la Fig.5 :

Entrada	Pesos	f(z)
$x_{1}$	$w_{1}=$1	$\theta$ = 0.5
$x_{2}$	$w_{2}=$1	$\theta$ = 0.5

Vegeu també

• Perceptró multicapa.
• Xarxa neuronal convolucional
• Xarxa neuronal recurrent