感知机学习笔记

介绍

神经网络的起源算法

输入信号被送到神经元的时候，分别乘以固定的权重（w1x1,w2x2）。神经元会计算传送过来的信号的总和，只有当这个总和超过某个界限值，才会输出1，也被称为"神经元被激活"，这里将这个界限值成为阈值。用符号θ表示.

经典感知机缺陷

可以表示与门🚪，或门，但是无法表示异或门，原因是需要使用曲线来分割0 1位置。但是使用多层感知机可以解决这个问题。

多层感知机

接下来使用python实现异或门

#需要一个NAND（s1）  和一个  OR(s2)
import numpy as np
def NAND(x1,x2):
    x=np.array([x1,x2])
    y=np.array([0.5,0.5])
    resu=np.sum(x*y)
    if(resu>=1):
        return 0
    else:
        return 1

def OR(x1,x2):
    x=np.array([x1,x2])
    y=np.array([0.5,0.5])
    resu=np.sum(x*y)
    if(resu>0):
        return 1
    else:
        return 0
def AND(x1,x2):
    x=np.array([x1,x2])
    y=np.array([0.5,0.5])
    resu=np.sum(x*y)
    if(resu>=1):
        return 1
    else:
        return 0
    
def XOR(x1,x2):
    s1=NAND(x1,x2)
    s2=OR(x1,x2)
    y=AND(s1,s2)
    return y

if __name__ =='__main__':
    print(XOR(1,0))

 二层感知机如下