感知机（与门、与非门、或门、异或门）的实现

    1957年Rosenblatt设计并制作出了感知机，历时半个世纪，硬件水平的极大提高以及大数据的发展，感知机焕发新的力量，因为这个就是当今最流行的人工神经网络的雏形，有着极其的重要性，通过感知机可以了解到神经网络原来是这样发展起来的！

    神经网络顾名思义就是模拟大脑进行工作，多层的叠加就类似于大脑的无数神经元在工作，通过对外界的刺激做出反应和识别，已经有很多比较成熟的东西出现，人脸识别，无人驾驶等

import numpy as np
def AND(x1,x2):
    x=np.array([x1,x2]);
    w,b=0.5,-0.7;#权重与偏置
    if(np.sum(x*w)+b<=0):
        return 0;
    else:
        return 1;

AND(0,0),AND(0,1),AND(1,0),AND(1,1)
(0, 1, 1, 1)

def NAND(x1,x2):
    x=np.array([x1,x2]);
    w,b=-0.5,0.7;
    if(np.sum(x*w)+b<=0):
        return 0;
    else:
        return 1;

NAND(0,0),NAND(0,1),NAND(1,0),NAND(1,1)
 (1, 1, 1, 0)


def OR(x1,x2):
    x=np.array([x1,x2]);
    w,b=0.5,-0.2;
    if(np.sum(x*w)+b<=0):
        return 0;
    else:
        return 1;

OR(0,0),OR(0,1),OR(1,0),OR(1,1)
(0, 1, 1, 1)

从上面代码可以看出，感知机的构造是一样的，不同的就是权重和偏置

def XOR(x1,x2):
    s1=NAND(x1,x2);
    s2=OR(x1,x2);
    y=AND(s1,s2);
    return y
XOR(0,0),XOR(0,1),XOR(1,0),XOR(1,1)
(0, 1, 1, 0)

看似简单，却是神经网络的基础，也是神经网络为什么能发展起来的原理，通过简单叠加不同的层就可以实现一些看起来不好实现的东西，这个特点是很强大的！