作者:韩歆哲
什么是前馈神经网络
对于模式识别主要有两类问题
作者:郁博文
线性分类器不同类别的样本间的决策界是超平面。
方程$g({\bf x})=0$定义了一个D-1维决策面(D是$\bf x$的维数,如果$\bf x$在决策面上,那么给定任意D-1维数据,$\bf x$的剩下一维都唯一确定),将属于类别$w_1$的样本和属于类别$w_2$的样本分割开,当$g({\bf x})$是关于${\bf w}$的线性函数时,该决策面为超平面。$\bf w$是该超平面的法向量,设$\bf x_1、\bf x_2$是超平面上的任意两点,则有$g({\bf x_1})-g({\bf x_2})=\bf w^T(x_1-x_2)=0$,所以$\bf w$和超平面上的任意向量正交,法向量指向超平面的正向,即$g({\bf x})>0$的方向
$\bf x_p$是$\bf x$在超平面上的投影,r是$x$到超平面的距离,$\frac{w}{\Vert\bf w \Vert}$是单位法向量,带入式(1)可得:
如果r>0,在法向量的正方向,类别1,反之类别2