深度学习之路--感知机的学习总结

1. 感知机的基本原理    

关于感知机的知识，需要了解的是激活是什么？输入、输出又是什么？权重、偏置又是什么？下面结合一张图说明一下

图中○代表一个神经元，当输入信号传递到神经元时，会被乘以固定的权重值，即，神经元会求取传递到该神经元的所有的和，即, 当所求Sum超过一定阈值时，称神经元被激活，若用数学公式表述如下：

若将上述的移到左边，并用b表示，则b称为偏置，则表达式如下：

 

2. 感知机表示与门 或门 非门 异或门

  以或门为例，它的真值表如下：

0	0	0
0	1	1
1	0	1
1	1	1

当输入 (0或者1)与适当的权重配合后，能够实现一个表示或门的感知机，下面用Python代码进行演示：

import numpy as np

# x传入的是numpy类型的向量
def OR_Gate(X):
    #w1,w2 = 0.5,0.5, 定义如下
    W = np.array([[0.5], [0.5]])
    b = 0.2
    y = np.dot(X, W) - b
    if y > 0:
        return 1
    else:
        return 0

if __name__ == '__main__':
    X = np.array([1, 1])
    val = OR_Gate(X)
    print(val)

与门 或门 非门都可以用以上方法进行生成，只是权重和偏置不同，但是异或门却无法用单层感知机实现，原理如下图：

但是异或门可以由与非门 与门 或门三者实现（代码略），也就是多层感知机能够表示非线性问题

以上就是简单的感知机原理及其实现一些简单的逻辑门电路的方法。