深度学习入门（二）

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）