系列文章回顾
前言
感知机(感知器)(英语:Perceptron)是Frank Rosenblatt在1957年就职于康奈尔航空实验室(Cornell Aeronautical Laboratory)时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络,是一种二元线性分类器。额,好抽象啊。。。
一、感知机的作用
简单地说,感知机的作用就是,接受多个信号,输出单个信号,它和多输入单输出电路的作用类似。
二、感知机的表现形式
1.二输入感知机
从简单感知机学起,后期再去学习复杂感知机,二者原理是一样的。假设有两个输入信号
x
1
x1
x1和
x
2
x2
x2,各自对应的权重系数为
ω
1
\omega1
ω1和
ω
2
\omega2
ω2,一个输出信号
y
y
y,界限值为
θ
\theta
θ, 则二输入感知机可表示为:
y
=
{
0
(
ω
1
x
1
+
ω
2
x
2
≤
θ
)
1
(
ω
1
x
1
+
ω
2
x
2
>
θ
)
y = \left\{ \begin{array}{l} 0\quad{\rm{ }}\left( {\omega 1x1 + \omega 2x2 \le \theta } \right)\\ 1\quad{\rm{ }}\left( {\omega 1x1 + \omega 2x2 > \theta } \right) \end{array} \right.{\rm{ }}
y={0(ω1x1+ω2x2≤θ)1(ω1x1+ω2x2>θ)
θ
\theta
θ又被称为阈值,当神经元传递过来的信号总和
ω
1
x
1
+
ω
2
x
2
\omega 1x1 + \omega 2x2
ω1x1+ω2x2
大于
θ
\theta
θ时,才会输出1,这也被称为激活神经元。
二输入感知机图片形式如下:
2.简单逻辑电路
这部分内容和数字电子技术的逻辑电路原理相通,重点是记住逻辑电路的固定规则。同样假设有两个输入信号
x
1
x1
x1和
x
2
x2
x2,一个输出信号
y
y
y,不同逻辑电路的规则及对应真值表如下:
(1)与门:仅在两个输入均为1时输出1,其他时候则输出0。
(2)与非门:仅当x1和x2同时为1时输出0,其他时候则输出1。
(3)或门:只要有一个输入信号是1,输出就为1。
3 感知机的实现
用Python编程来实现刚才的逻辑电路。
(1)与门:
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
输出结果:
AND(0, 0) # 输出0
AND(1, 0) # 输出0
AND(0, 1) # 输出0
AND(1, 1) # 输出1
(2)与非门:
def NAND(x1, x2):
x = np.array([x1, x2])
w = np.array([-0.5, -0.5]) # 仅权重和偏置与AND不同!
b = 0.7
tmp = np.sum(w*x) + b
if tmp <= 0:
return 0
else:
return 1
(3)或门:
def OR(x1, x2):
x = np.array([x1, x2])
w = np.array([0.5, 0.5]) # 仅权重和偏置与AND不同!
b = -0.2
tmp = np.sum(w*x) + b
if tmp <= 0:
return 0
else:
return 1
总结
以上就是今天要讲的深度学习入门知识第二章的内容,本文简单介绍了感知机的概念,喜欢的不妨点个赞再走!