包含单层感知机的matlab实现代码，训练部分，测试部分，和ROC曲线绘制。 单层感知机的背景，原理，其他语言的代码链接请见： http://blog.csdn.net/zlf19910726/article/details/79312939

https://blog.csdn.net/Alvarez/article/details/115840777 的配套代码 C++实现统计学习方法 感知机算法

本实验为了解和测试多层感知机。 对于感知机的原理，进行设计。 自己设计数据进行感知机的测试,并进行一个小实验一，测试提取的图片是生的还是熟的，进行数据分类。 自己设计数据进行感知机的测试,并进行一个小实验二，测试上课是否迟到，设计数据，在trainData.txt中读入测试数据，进行数据分类（迟到与不迟到）。 --------------------- 作者：zxm_ 来源：CSDN 原文：https://blog.csdn.net/zxm_jimin/article/details/87939185 版权声明：本文为博主原创文章，转载请附上博文链接！

全连接层visio模板

在Python环境下实现感知机算法(使用MNIST数据集)，代码有详细注释，使用的是感知机算法的原始形式

MLP－多层感知机的原理及Matlab实现-附件资源

简化的广义多层感知机模型及其学习算法_方宁.pdf

感知机分类数据，包括线性可分数据（15.dat）和线性不可分数据（18.dat）。数据来源为林轩田老师的机器学习基石的作业。

近些年来，人工智能领域又活跃起来，除了传统了学术圈外，Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队，并取得了很多令人瞩目的成果。这要归功于社交网络用户产生的大量数据，这些数据大都是原始数据，需要被进一步分析处理;还要归功于廉价而又强大的计算资源的出现，比如GPGPU的快速发展。除去这些因素，AI尤其是机器学习领域出现的一股新潮流很大程度上推动了这次复兴——深度学习。本文中我将介绍深度学习背后的关键概念及算法，从最简单的元素开始并以此为基础进行下一步构建。如果你不太熟悉相关知识，通常的机器学习过程如下：1、机器学习算法需要输入少量标记好的样本，比如10

李航《统计学习方法》中关于感知机分类算法的原理及实现。