شبکه عصبی پرسپترون چیست؟ شبکه عصبی پرسپترون یک نوع ساده از شبکههای عصبی مصنوعی است که ابتدا توسط فرانک روزنبلات در دهه 1950 معرفی شد. پرسپترون به عنوان یک واحد پردازشی تکلایه (Single-Layer) شناخته میشود و برای مسائل طبقهبندی بهکار میرود. اهمیت یادگیری شبکه عصبی پرسپترون چیست؟ شبکههای عصبی مصنوعی (Artificial Neural Network) از نحوه عملکرد سیستم عصبی مغز انسان الهام میگیرد و در چند دهه اخیر استفاده از آنها بسیار مورد توجه قرار گرفته است. این توجه حاصل کارایی بالای آنها در حل بسیاری از مسائل و چالشهای بشری و کاربردهای بسیاری در حوضههای مختلف یادگیری ماشین از قبیل یادگیری با نظارت (رگرسیون و طبقهبندی) و یادگیری بدون نظارت (خوشهبندی) است. بنابراین شبکههای عصبی مصنوعی تبدیل به یکی از ابزارهای پایهای در علوم مهندسی شده است. از بین انواع شبکههای عصبی مصنوعی، شبکه عصبی پرسپترون (Perceptron Neural Network) یا قانون یادگیری پرسپترون (Perceptron Learning Rule) پایهترین عنصر شناختهشده در این حوزه است. از این رو یادگیری مفاهیم پایه و نحوه کارکرد این الگوریتم، بسیار ضروری است و میتوان گفت یادگیری کامل یک پرسپترون، اولین و اساسیترین مفهوم، برای یادگیری شبکههای عصبی مصنوعی است. در این فرادرس چه چیزی یاد میگیریم؟ در این آموزش، تمرکز بر تفهیم مفهوم پرسپترون و اجرای آن در محیط نرمافزاری متلب (MATLAB) بدون استفاده از تولباکسهای متلب است. تا با ارائه یک پیادهسازی ابتدایی برای حل مسائل طبقهبندی، فرایند یادگیری شبکههای عصبی مصنوعی برای افراد علاقهمند به این زمینه تسهیل شود.
