ch02 感知机
Perceptron.py
import numpy as np
'''
def AND(x1, x2):
w1, w2, theta = 0.5, 0.5, 0.7
tmp = w1 * x1 + w2 * x2
if tmp <= theta:
return 0
else:
return 1
'''
def AND(x1, x2):
x = np.array([x1, x2])
w = np.array([0.5, 0.5])
b = -0.7
tmp = np.sum(w * x) + b
if tmp <= 0:
return 0
else:
return 1
def NAND(x1, x2):
x = np.array([x1, x2])
w = np.array([-0.5, -0.5])
b = 0.7
tmp = np.sum(w * x) + b
if tmp <= 0:
return 0
else:
return 1
def OR(x1, x2):
x = np.array([x1, x2])
w = np.array([0.5, 0.5])
b = -0.2
tmp = np.sum(w * x) + b
if tmp <= 0:
return 0
else:
return 1
def XOR(x1, x2):
s1 = NAND(x1, x2)
s2 = OR(x1, x2)
y = AND(s1, s2)
return y
print("AND--------------")
print(AND(0, 0))
print(AND(1, 0))
print(AND(0, 1))
print(AND(1, 1))
print("OR--------------")
print(OR(0, 0))
print(OR(1, 0))
print(OR(0, 1))
print(OR(1, 1))
print("NAND--------------")
print(XOR(0, 0))
print(XOR(1, 0))
print(XOR(0, 1))
print(NAND(1, 1))
print("XOR--------------")
print(XOR(0, 0))
print(NAND(1, 0))
print(NAND(0, 1))
print(NAND(1, 1))
使用与非门可以构建出一个计算机,先实现与门和或门,接着实现半加器和全加器,然后实现算术逻辑单元(ALU),然后实现CPU…
依据基本原理构建现代计算机:从与非门到俄罗斯方块
- 感知机是具有输入和输出的算法。给定一个输入后,将输出一个特定的值
- 感知机将权重和偏置设为参数
- 使用感知机可以表示与门和或门等逻辑门路
- 异或门无法通过单层感知机来表示
- 使用2层感知机可以表示异或门
- 单层感知机只能表示线性空间,而多层感知机可以表示非线性空间
- 多层感知机(在理论上)可以表示计算机