感知機的幾個細節

2021-10-17 18:38:42 字數 731 閱讀 7327

說明,如下用下劃線表示向量

假設超平面公式為wx + b = 0,則向量w為超平面的法向量,b為截距,幾何推倒如下:

設x1為超平面上一點,b'為座標原點在超平面上沿著法向量方向的投影,那麼向量(x1 - b')表示為向量x1b'。

又因為法向量和超平面垂直,所以位於超平面上的任意兩點構成的向量和法向量點乘都為0,所以:

x1b' dot w = 0,即:

(x1 - b') dot w = 0,即:

x1 dot w - b' dot w = 0

假設w為單位法向量,那麼b'和w同向,即:

wx1 + b = 0,其中b = -b' dot w。

假設點x2為超平面外的一點,那麼x2到超平面的垂直投影距離公式為 (|wx2 + b|)/|w|,幾何推導如下:

根據上述結論,超平面公式為:wx1 + b = 0,其中b = -b' dot w,假設w為單位法向量,那麼有:wx2 + b = wx2 - wb'

假設x2'表示點x2到法向量上的垂直投影點,那麼wx2 = |x2'||w| = |x2'|;

那麼wx2 - wb' = w(x2 - b'),那麼(x2 - b')表示為點x2到超平面的投影向量,假設x2'表示點x2到超平面的垂直投影點,那麼

x2 -b' = x2'x2,所以|wx2 + b| = |w||x2'x2|, (|wx2 + b|)/|w| = |x2'x2|,即點x2到超平面的垂直距離。

Pytorch tensor的感知機

單層感知機的主要步驟 單層感知機梯度的推導 要進行優化的是w,對w進行梯度下降 a torch.randn 1,10 a是乙個 1,10 的向量 w torch.randn 1,10,requires grad true w是乙個可導的 1,10 的向量 1.2.經過乙個sigmoid啟用函式 o ...

servlet的幾個細節

1 客戶端多次請求servlet,通常情況下,伺服器只會建立乙個servlet物件,也就是說servlet例項物件一旦建立,就會一直在記憶體中,為其他的後面的請求服務,直到web容器退出,才會銷毀,注意servlet物件不是伺服器啟動的時候建立的,而是在客戶端請求的時候才建立的。在servlet整個...

JEECMS的幾個細節

最近想自己寫一些標籤,看了一下jeecms,感覺有些標籤還是很值得學習的。效果 cms.artilist chnlid attr 3 count 6 syscontent 3 1 titlen 35 flashwidth 507 flashheight 338 其中syscontent 3 1 指的...