【深度学习】感知机

1.感知机是什么？

感知机接收多个信号，输出一个信号。

0 -> 不传递信号

1 -> 传递信号

公式：

x1,x2：输入信号

y：输出信号

w1,w2：权重（weight）（ 权重越大，对应该权重的信号的 重要性就越高。 ）

○：“神经元”或“节点”

θ：阈值

神经元激活：输入信号被送往神经元时，被分别乘以固定的权重（w1x1,w2x2），神经元计算传递过来的信号的总和。当总和超过某个界限值θ时，会输出1。

2.与门、与非门、或门

与门：仅在两个输入均为1时输出1

与非门：（颠倒与门的输出）仅在两个输入均为1时输出0

或门：只要有一个输入信号是1就输出1

与门、与非门、或门的感知机结构完全相同，但参数的值（权重和阈值）不同。

3.感知机的实现

b称为偏置

w1和w2称为权重

其中， - θ 命名为偏置 b 。

偏置 b 和权重 w1 、 w2 的作用不同。

权重 w1 、 w2 :控制 输入信号的重要性 的参数

偏置 b :调整神经元 被激活的容易程度 （输出信号为 1 的程度）的参数

实现代码：

4.异或门

也称为逻辑异或电路。仅当x1或x2中的 一方 为1时，才会输出1（“异或”是拒绝其他的意思）。

感知机无法实现异或门

感知机的局限性：

只能表示一条直线分割的空间 ，感知机无法表示曲线。

由直线分割而成的空间称为 线性空间 ，由曲线分割而成的空间称为 非线性空间 。

5.多层感知机（multi-layered perceptron）

通过 叠加层 来表示异或门

代码实现：

6.总结

• 感知机是具有输入和输出的算法，给定一个输入后，将输出一个既定的值。
• 感知机将权重和偏置设定为参数。
• 使用感知机可以表示与门、或门、与非门等逻辑电路。
• 异或门无法通过单层感知机表示。
• 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。
• 感知机是神经网络的基础，非常重要！