深度学习入门-感知机

最新推荐文章于 2023-12-23 11:49:46 发布

侯一鸣Supermonkey

最新推荐文章于 2023-12-23 11:49:46 发布

阅读量689

点赞数

分类专栏：深度学习入门文章标签：深度学习机器学习人工智能

本文链接：https://blog.csdn.net/qq_19830591/article/details/125242313

版权

7 篇文章 0 订阅

订阅专栏

感知机接收多个输入信号，输出一个信号。

def AND(x1, x2):
	w1, w2, theta = 0.5, 0.5, 0.7
    tmp = x1*w1 + x2*w2
	if tmp <= theta:
		return 0
	elif tmp > theta:
		return 1

将2.1公式中的 θ 换成−b得到如下的公式来表示感知机，b称为偏置(偏置是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)，w1和w2称为权重。

使用权重和偏置实现与门

def AND(x1, x2):
	x = np.array([x1, x2])
	w = np.array([0.5, 0.5])
	b = -0.7
	tmp = np.sum(w*x) + b
	if tmp <= 0:
		return 0
	else:
		return 1

感知机虽然可以实现与门、或门、非门三种逻辑电路哦，但是无法直接表示异或门。要表示异或门，需要引入多层感知机(叠加了多层的感知机也称为多层感知机)。感知机通过叠加层可以进行非线性表示。

异或门的代码实现

def XOR(x1, x2):
	s1 = NAND(x1, x2)
    s2 = OR(x1, x2)
	y = AND(s1, s2)
	return y

关注