机器学习笔记（六）人工神经网络-感知机

人工神经网络

一、感知机算法

感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想
象成电流或河流那样具备“流动性”的东西。像电流流过导线，向前方输送电子一样，感知机的信号也会形成流，向前方输送信息。

感知机的信号只有（0/1）两种取值，0对应“不传递信号”，1对应“传递信号”。

如图所示x1,x2是输入信号，y是输出信号，w1,w2是权重。一个圈表示一个“神经元”或“节点”。神经元会计算传过来的信号总和，只有当总和超过某个界限值时，才会输出1。这个界限成为阈值θ。如下图公式可以表示：

感知机解决简单问题

感知机解决问题可以以逻辑电路为参考，与门，与非门和或门。

给定相应的权值或阈值求出y
下面展示一些 python。

def AND(x1, x2):
	 w1, w2, theta = 0.5, 0.5, 0.7
	 tmp = x1*w1 + x2*w2
	 if tmp <= theta:
	 return 0
	 elif tmp > theta:
	 return 1

可以运行得出相应的结果。
感知机的局限性
异或门的问题中单层感知机无法解决相应的问题。

要解决非线性可分问题，需要考虑多层感知机。

python代码实现。

def XOR(x1, x2):
	 s1 = NAND(x1, x2)
	 s2 = OR(x1, x2)
	 y = AND(s1, s2)
	 return y