机器学习&感知机解决简单逻辑电路

本文通过感知机模型详细解释了如何模拟与门、与非门和或门,强调了单层感知机的局限性,并介绍了如何使用多层感知机来解决这一问题,特别是如何配置多层感知机以实现异或门。总结指出,单层感知机只能表示线性空间,而多层感知机能够表示非线性空间,是神经网络的基础。
摘要由CSDN通过智能技术生成

(1)与门
与门仅在两个输入均为1的情况下输出1,其他时候输出0.我们考虑用感知机来表示这个与门,通过设定参数在这里插入图片描述的值来制作满足与门的真值表的感知机。

在这里插入图片描述
代码实现:

import numpy as np
def AND(x1, x2):
    x=np.array([x1,x2])
    w=np.array([0.5,0.5])
    b=-0.7
    tmp=np.sum(x*w)+b
    if tmp <= 0:
        return 0
    elif tmp > 0:
        return 1

(2)与非门
与门仅在两个输入是1的情况下输出0,其他时候输出1.与非门的意思就是颠倒了与门的输出。同样的我们考虑用感知机来表示这个与非门,通过设定参数来制作感知机。代码实现:
``在这里插入图片描述`

  def NAND(x1, x2):
        x=np.array([x1,x2])
        w=np.array([-0.5,-0.5])
        b=0.7
        tmp=np.sum(x*w)
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值