入门——感知机训练

根据感知机学习规则，分类直线与权重向量正交。

如果开始的分类直线计算出来的Yj与预期输出Dj之间有误差Ej=Dj-Yj，就应该把连接权重Wj的方向依据学习向量X调整。

正误差时，Wj朝着X调整，因此，Wj(t+1)=Wj(t)+n*Ej*X.

据此，在Python中实现最简单的逻辑与的感知机学习代码：

# -*- coding: utf-8 -*-
import numpy as np
#------------------------------------------------------------
# 激活函数
def ssign(val):
    if (val>0):
      return(1)
    else:
        return(0);
#------------------------------------------------------------

#学习速率
langda = 0.15 #langda是权重的学习速率
beta = 0.15 #beta是偏置的学习速率

#偏置
ar_theta = np.random.randn(1)
theta = ar_theta[0]

#随机初始化权重
W = np.random.randn(1,2)#随机产生2行1列<-1,+1>
print('init W=', W)

print('------ 开始设置 ------')

#XS是学习样本
XS = np.array([[0, 0],
              [0, 1],
              [1, 0],
              [1, 1]])

#Dj是预期输出结果，即监督值
Dj = np.array([0, 0, 0, 1])

#最大允许的误差
maxDelta = 0.0001

Y