پرسپترون

پرسپترون ( به انگلیسی: perceptron ) کوته نوشت نورون ادراکی یک الگوریتم یادگیری ماشین است که در دسته یادگیری با نظارت قرار می گیرد. الگوریتم پرسپترون یک الگوریتم دسته بندی دودویی ( نوعی از دسته بندی که می تواند با توجه به بردار ورودی تصمیم بگیرد که این ورودی متعلق به یک کلاس هست یا خیر ) است. این الگوریتم یک دسته بند خطی است، به این معنا که پیش بینی هایش را باتوجه به ترکیب خطی وزن دار ورودی الگوریتم انجام می دهد. هم چنین این الگوریتم به دلیل اینکه ورودی هایش را به صورت تک تک در زمان بررسی می کند، یک الگوریتم برخط می باشد. الگوریتم پرسپترون در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال به وسیلهٔ فرانک روزنبلت ابداع شد. در واقع این الگوریتم جزء اولین شبکه های عصبی مصنوعی است که به کار گرفته شده است.
الگوریتم پرسپترون در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال توسط فرانک روزنبلت[ ۱] با سرمایه گذاری دفتر تحقیقات دریانوردی ایالات متحده[ ۲] ابداع شد. پرسپترون بیشتر به عنوان یک دستگاه مد نظر بوده است تا یک برنامه؛ و با این که اولین پیاده سازی آن به صورت یک نرم افزار برای آی بی ام ۷۰۴ بود؛ پس از آن به صورت سخت افزار اختصاصی "پرسپترون مارک ۱" پیاده سازی شد. این دستگاه برای تشخیص تصویر طراحی شده بود: مجموعه ای از ۴۰۰ حسگر نور، که به صورت تصادفی به "نورون" ها متصل شده اند. وزن ها در پتانسیومترها کدگذاری شده بودند، و بروزرسانی وزن ها در طول یادگیری با موتورهای الکتریکی صورت می گرفت. [ ۳]
پرسپترون یک نوع دسته بند دودودیی است که ورودی خود x ( یک بردار متشکل اعداد حقیقی ) را به مقدار خروجی f ( x ) ( یک اسکالر با مقادیر باینری ) که به صورت زیر حساب می شود، متناظر می کند:
وب سرور با استفاده از شبکه عصبی پرسپترون چند لایه ای مدلسازی می شود. به طور کلی یک الگوریتم عصبی است که با توجه به ازدحام وب سرویس در شبکه چند لایه ای پیشبینی هایی را صورت میدهد تا سرور از کار نیافتد.
w یک بردار از وزن هایی با مقادیر حقیقی است و w ⋅ x = ∑ i = 1 m w i x i ضرب داخلی بردار وزن و بردار ورودی است، که در آن m تعداد ورودی های پرسپترون است. در رابطه بالا b نشان دهنده بایاس است که وظیفه آن جابجا کردن مرز تصمیم گیری از مبدأ است و مقدار آن به ورودی ها بستگی ندارد.
در مسئله دسته بندی دودودیی مقدار f ( x ) برای دسته بندی x بین دو کلاس + و − استفاده می شود. اگر b عددی منفی باشد، جمع وزن دار ورودی ها باید عدد مثبتی بزرگتر از | b | باشد تا خروجی پرسپترون 1 شود. به عبارت دیگر دسته بند پرسپترون مانند یک ابرصفحه است که فضای m بعدی را به دو قسمت تقسیم می کند، در این صورت w نشان دهنده بردار عمود برصفحه و b نشان دهنده عرض از مبدأ صفحه جداکننده است. به ازای نقاط داده شده به همراه برچسب آن ها ( ( x 1 , y 1 ) , . . . , ( x n , y n ) الگوریتم پرسپترون مقادیر w و b را به گونه ای می یابد که تمام نمونه ها توسط تابع f به درستی برچسب گذاری شوند یعنی