深度学习入门笔记01

最新推荐文章于 2024-09-01 11:55:12 发布

啥苇子

最新推荐文章于 2024-09-01 11:55:12 发布

阅读量306

点赞数 4

文章标签：人工智能深度学习

本文链接：https://blog.csdn.net/2401_86341956/article/details/141753728

版权

本笔记参考《深度学习入门：基于python的理论与实践》的内容。本文语言通俗易懂，适合小白！

感知机

什么是感知机？感知机接受信息，感知机的信号只有“流/不流”(1/0)两种取值。在《深度学习入门：基于python的理论与实践》中，0对应“不传递信号”，1对应“传递信号。

如图，x1，x2代表输入的信息。w1和w2表示权重（weight),y代表输出信号,一个圆表示一个神经元。输入信号被送往神经元时，会被分别乘以固定的权重w1、w2。神经元会计算传送过来的信号的总和，只有当这个总和超过了某个界限值时，才会输出1。这也称为“神经元被激活”。这里将这个界限值称为阈值，用符号θ表示。

简单的电路逻辑

这里介绍四种感知机。

AND gate （与门）

功能：两个输入均为1，才会输出1（输入和输出只能是0或1）

如图

联系前面的公式，我们知道有多种w1,w2,θ组合能够创造与门。比如（w1,w2,θ）=（1，1，1）或者（0.8，0.8，1）。满足条件的搭配其实有无数个，这里我们是人为的设置参数，而机器学习就是让机器找到这些参数。学习是确定合适的参数的过程，而人要做的是思考感知机的构造（模型），并把训练数据交给计算机。

OR gate (或门）

功能：两个输入中，有一个1就行。（只要有一个输入信号是1，输出就为1）

NAND gate (与非门）

仅当两个输入同时为1时输出0，其他时候则输出1

感知机的简单实现

换一种方法表示（增加偏置的概念）

在此之前，首先把式(2.1)的θ换成-b，于是就可以用式(2.2)来表示感知机的行为。

思考一下：为什么不用 θ，而是用b来代替-θ？这样做有什么好处？会让计算更加方便吗？

用python 实践

import numpy as np:
def AND_gate(x1,x2):
    x=np.array([x1,x2])
    w=np.array([0.8,0.8])
    b=-1
    tmp = np.sum(w*b)+b
    if tmp>0:
        return 1
    else:
        return 0

请自行实践或门，与非门。