•
感知器的激活函数使用阈值函数,使得输出只能取两个值( -1/1 或 0/1 )。
•
只对线性可分的问题收敛。
•
如果输入样本存在奇异样本,则网络需要花费很长时间。
•
感知器的学习算法只对单层有效,因此无法套用其规则设计多层感知器。
•
一旦所有样本均被正确分类,它就会停止更新权值。
单层感知器只有一个单层的神经元网络,被视为一种最简单形式
的前馈神经网络,是一种二元线性分类器。输入向量的各个分量
先与权值相乘,然后在线性组合器中进行叠加,得到一个标量结
果,其输出是线性组合结果经过一个二值阈值函数。二值阈值元
件通常是一个上升函数,典型功能是非负数映射为 1 ,负数映射
为 0 或负一。
缺陷:
单层感知器( Perceptron )