第二章 感知机

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,