 | See artikkelootabkeeletoimetamist. Kui oskad, siis palun aitaartiklit keeleliselt parandada.(Kuidas ja millal see märkus eemaldada?) |
Masinõppes onpertseptronbinaarsete klassifitseerijate juhendatud õppimisealgoritm. Binaarneklassifitseerija onfunktsioon, mis otsustab, kas sisend, mis koosneb numbmbritevektorist, kuulub kindlasse klassi. Pertseptron on lineaarne klassifitseerija ehk klassifitseerimis algoritm mis teeb ennustuse, kasutadeslineaarset ennustusfunktsiooni, mis kombineeribtunnuste vektori ja kaaludehulga.[1]
Pertseptron algoritmi leiutasFrank Rosenblatt, aastal1958Cornell Aeronautical Laboratorys[2]. Projekti rahastasUSA Office of Naval Research.[3]
Algselt implementeeriti pertseptron tarkvaranaIBM 704 arvuti jaoks, seejärel toodeti eraldi riistvara nimega “Mark 1 Perceptron”, mille ülesandeks oli pildi tuvastus. Masin koosnes 400 fotoelemendi reastusest, mille külge ühendatineuronid. Kaalud kodeeritipotentsiomeetritesse jaelektrimootorid muutsid kaalude väärtuseid õppeprotsessi käigus.[4]
1958. aastal peetud pressikonverentsil tegi Rosenblatt avaldusi pertseptroni kohta, mis põhjustas vaidluseid noorestehisintellekti valdkonnas. Väidetavalt pidi pertseptron olema esimene samm elektroonilise arvutini, mis USA mereväe ootuste kohaselt oleks ühel päeval võimeline kõndima, rääkima, nägema, kirjutama, ennast paljundama ja enda olemasolust teadlik olema.[3]
Kuigi algselt peeti pertseptronit paljulubavaks, avastati kiirelt, et pertseptronit ei saa õpetada mitmeid klasse ära tundma. Mis omakorda põhjustastehisnärvivõrkude valdkonnas stagneerumist, kuni avastati, et mitmetasandilisedotsesuunatud tehisnärvivõrgud ehkmitmetasandilised pertseptronid on võimsamad kuiühetasandilised pertseptronid.
1969. aastalMarvin Minsky jaSeymour Paperti raamatus “Perceptrons” tõestati, et ühetasandilistel pertseptronil on võimatu õppidavälistav või funktsiooni. Sellest tulenes valearusaam, et mitmetasandilistel pertseptronidel on sama viga, mis põhjustas tehisnärvivõrkude uurimise rahastamise probleeme järgnevaks kümneks aastaks.
Pertseptron onbioloogilise neuroni lihtsustatud mudel. Uuringud näitavad, et pertseptroni laadne lineaarne mudel on võimeline osaliselt jäljendama päris neuronite käitumist.[5]
Pertseptron on tänapäevases mõistes binaarse klassifitseerija ehklävendfunktsiooni õppimise algoritm. Lävendfunktsioon on funktsioon, mis seab vastavusse sisendi x, mis onreaalarvude vektor ja väljundi f(x), mis on üks binaarne väärtus.[6]
kus w on reaalarvuliste kaalude vektor, w * x on skalaarkorrutis, , kus m on sisendite arv ja b on nihe.Nihe liigutab otsustus piiri algpunktist eemale ja ei sõltu sisenditest.
f(x) väärtust kasutatakse, et klassifitseerida x positiivseks või negatiivseks juhuks. Binaarse klassifitsserimise probleemis, kui b on negatiivne, siis kaalutud sisendite kombinatsioon peab andma suurema väärtuse kui |b|, et lükata klassifitseeriv neuron üle 0 lävendi. Ruumiliselt mõjutab nihe otsustus piiri asukohta, aga mitte suunda. Pertseptron algoritm ei lõpeta oma tööd kui sisend hulk ei olelineaarselt eraldatav. Kui vektorid ei ole lineaarselt eraldatavad, siis ei jõuta kunagi punkti, kus kõik vektorid on lõplikult klassifitseeritud. Kõige kuulsam näide sellest on välistav või probleem.[6]