感知机
感知机的原理,是深度学习和神经网络的基础
x1、x2为输入信号,是已知的。
y为输出信号是未知的(0或1),需要用x1、x2、w1、w2、θ来计算
(θ为临界值,只有输入信号与对应权重乘积之和大于θ,y的值才为1)
x1×w1 + x2×w2 ≤ θ 得 y = 0
x1×w1 + x2×w2 > θ 得 y = 1
感知机的应用(与门、与非门、或门、异或门)
1、与门的真值表以及代码实现
关系式
0×w1 + 0×w2 ≤ θ 即 0 ≤ θ
0×w1 + 1×w2 ≤ θ 即 w2 ≤ θ
1×w1 + 0×w2 ≤ θ 即 w1 ≤ θ
1×w1 + 1×w2 > θ 即 w1 + w2 > θ
不妨取 w1 = 0.6,w2 = 0.7, θ = 0.8
代码实现
def AND(x1, x2):
w1, w2, θ = 0.6, 0.7, 0.8
val = x1*w1 + x2*w2
if val <= θ:
return 0
else:
return 1
# 改良后的代码
def AND2(x1, x2):
x = np.array([x1,