ANN：Perceptron在确定点位置时的表现

Question

所以我从机器学习和人工神经网络开始，我发现这篇文章The Nature of Code介绍了人工神经网络和感知器的概念。

通过这篇文章，他们向您展示了如何创建一个Perceptron，它能够根据函数区分位于线上方或下方的点：

  

f（x）= 2x + 1

我在Swift中开发了自己的Perceptron，并使用XCode Playgrounds来说明我的Perceptron性能。

感知器需要3个输入：x，y和偏差（总是1）。 3个输入的权重是随机生成的，经过一些训练后，它们会被调整。

第一张图显示了第一次重量超过训练的值。正如你所看到的，这个值最终稳定下来，这证明了Perceptron学会了区分点：

第二个图形表示功能线和所有训练点（随机选择）。绿点是Perceptron预测得很好的，而红点则是错误的预测：

如您所见，几乎所有的红点都位于反函数中：

  

f（x）= -2x - 1

我的问题是为什么出现这一行错误点。我认为在某一点上所有的重量都会稳定，Perceptron的性能将是100％，但它永远不会。这是因为代码错误还是ANN总是有这么小的错误间隔？

任何解释都会受到欢迎，但请记住，我是ML和ANN的新手。

非常感谢。