Y a-t-il une différence entre les termes "réseau neuronal" et "perceptron"?
Réponses:
Oui, il y a - "perceptron" se réfère à un modèle d'apprentissage supervisé particulier, qui a été décrit par Rosenblatt en 1957. Le perceptron est un type particulier de réseau neuronal, et est en fait historiquement important comme l'un des types de réseau neuronal développé. Il existe d'autres types de réseaux de neurones qui ont été développés après le perceptron, et la diversité des réseaux de neurones continue de croître (en particulier compte tenu de la façon dont l'apprentissage en profondeur est à la mode et à la mode de nos jours).
Les modèles de Perceptron sont contenus dans l'ensemble des modèles de réseau neuronal.
Un perceptron (monocouche) est un réseau neuronal monocouche qui fonctionne comme un classificateur binaire linéaire. Étant un réseau neuronal à une seule couche, il peut être formé sans utiliser d'algorithmes plus avancés comme la propagation arrière et peut être formé à la place en "progressant" vers votre erreur dans des étapes spécifiées par un taux d'apprentissage. Quand quelqu'un dit perceptron, je pense généralement à la version monocouche.
Si vous parlez d'un perceptron multicouche , cependant, le terme est le même que celui d'un réseau neuronal à action directe .
La procédure d'apprentissage Perceptron ne peut pas être généralisée aux couches cachées
• La procédure de convergence du perceptron fonctionne en s'assurant que chaque fois que les poids changent, ils se rapprochent de chaque ensemble de poids «généreusement faisable».
- Ce type de garantie ne peut être étendu à des réseaux plus complexes dans lesquels la moyenne de deux bonnes solutions peut être une mauvaise solution.
• Les réseaux de neurones «multicouches» n'utilisent donc pas la procédure d'apprentissage du perceptron.
- Ils n'auraient jamais dû être appelés perceptrons multicouches.
-Reference Coursera.org - Cours Neural net - Semaine 3
Comme @Nick l'a mentionné, Preceptron est un réseau neuronal à une seule couche, qui utilise des programmes manuscrits basés sur le bon sens pour définir les caractéristiques . Ces fonctionnalités sont utilisées comme entrée de réseau, puis prennent une décision binaire en fonction de cela.
[L'image et l'explication étaient basées sur Hinton Slide's à Coursera]