感知机和统计学习方法总结

手写体识别数据和原码，主要适用python中的numpy库，完成多层感知机，CNN，这两种方式对mnist数据集的识别

实现了感知机的python代码，有例子有图形

这是用matlab实现的一个多层感知机，由三个全连接层组成，压缩包中的脚本可直接运行。 运行顺序为： 1.data_gen.m (在工作空间生成数据集 data.mat ，因为压缩包本来已经有数据集了，这一步可以跳过， 画出数据集的分布) 2.mlp_relu.m (训练网络，会在工作区生成网络权重的参数 variable.mat ，工作空间已经有这个了，也可以跳过， 耗时大概2，3秒，电脑性能决定，画出损失函数变化曲线) 3.valuate_variable (测试第二步的网络的性能，画出可视化图形)

https://blog.csdn.net/weixin_44049128/article/details/86502423此篇博文代码。

多层感知机python代码，属于深度网络学习中的内容，multilayer-perceptron，python代码

基于字的用感知机实现的中文分词系统。完全训练后对微软的测试集精度可以达到96%多。我上传的版本是完整的代码（训练和分词），大家自己用附带的微软训练数据训练就可以了，只有一个文件。 代码总的来说写的还是很清楚的，方便自己也方便别人阅读。欢迎大家共讨论,xiatian@ict.ac.cn。

多层感知器是一种多层前馈神经网络 ,常用的快速训练算法有共轭梯度法、拟牛顿法。通 过模式分类实验对这两种算法和 BP算法进行比较 ,并由试验数据得出这几种算法的复杂性、可靠 性 ,以及由算法产生的多层感知器的泛化能力。

迭代50次，动量调节值0.5，隐层数量50，学习率0.3以及训练数据集选取40000，每类2000

用matlab实现了机器学习中的感知机学习算法（perceptron algorithm），利用前500个样本值训练分类器，用剩余样本做测试。