由于感知机有局限性,又介绍了异或门(XOR gate),仅当x1或x2中的一方为1时,才会输出1,其他情况都输出0。这里我自己理解的也不是很清楚,就不多讲了
实现异或门的python函数
def XOR(x1, x2):
s1 = NAND(x1, x2)
s2 = OR(x1, x2)
y = AND(s1, s2)
return y
最后就说明了单层感知机无法表示的东西,通过增加一层就可以解决,这里可能是让读者懂得,再复杂的东西都是这些简单的单元组成的。
用图来表示神经网络的话,我们把最左边的一列称为输入层,最右边的一列称为输出层,中间的一列称为中间层,有时也叫隐藏层。
引入新函数h(x)式,y = h(b + w1x1 + w2x2),h(x)函数会将输入信号的总和转换为输出信号,这种函数一般称为激活函数(activation function)。
神经网络中经常使用的一个激活函数就是sigmoid函数(sigmoid function)