感知机的实现与原理
def And(x1,x2): #感知机的简单实现 (与门)
w1,w2,theta=0.5,0.5,0.7
tmp=x1*w1+x2*w2
if tmp<=theta:
return 0
elif tmp>theta:
return 1
print(And(1,1)) #函数测试
import numpy as np
x=np.array([0,1]) #输入
w=np.array([0.5,0.5]) #权重
b=-0.7 #偏置
y=np.sum(w*x)+b #python的sum不能计算多维度的数组
print(y)
'''
通过权重和偏置可以实现以下与门
'''
def AND(x1,x2):
x=np.array([x1,x2])
w1=np.array([0.5,0.5])
b=-0.7
y=np.sum(w*x)+b
if y<=0:
return 0
else:
return 1
print('与门输出结果:',AND(1,1))
'''
单层感知机可以表示与或非门,但无法表示异或门,即单层感知机是线性分割,而多层感知机可以表示异或门是非线性分割,多层感知机
就是单层感知机的叠加。
'''
def NAND(x3,x4): #非门
x=np.array([x3,x4])
w2=np.array([-0.5,-0.5])
b=0.7
tmp=np.sum(w2*x)+b
if tmp<=0:
return 0
else:
return 1
def OR(x5,x6): #或门
x=np.array([x5,x6])
w3 = np.array([0.5, 0.5])
b=-0.2
tmp=np.sum(w3*x)+b
if tmp<=0:
return 0
else:
return 1
def XOR(x7,x8): #异或门
s1=NAND(x7,x8)
s2=OR(x7,x8)
y=AND(s1,s2)
return y
print('异或门测试结果:',XOR(1,0)) #测试函数
**结果如下:*
*