深度学习入门基于Python的理论与实现-感知机

1 为什么要学习感知机？

感知机作为神经网络（深度学习）起源的算法，学习感知机就是学习深度学习的一种是想

2 感知机是什么

x1和x2是输入感知机的两个信号，进入感知机都要固定的权重w1,w2,只要总和超过某个值，y才会输出为1，这个过程称为神经元被激活。将这个界值称为阀值。

3 感知机的代码实现

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;
x=AND(0,0)
print(x)

3.1 导入权重和偏置

这里的阀值为-b,
代码如下

x = np.array([0,1])
w = np.array([0.5,0.5])
b =-0.7
np.sum(w*x)
y=np.sum(w*x)+b
print(y)

在与门，与非门，或门中只是权重和阀值不同。

3.2 感知机的局限性

其中感知机可以表示与、或和与非门，他们都是线性的，但是异或却不是线性的，不能由感知机单层表示,但是可以多重感知机表示。