使用阶跃函数实现感知器

1. 收先导入数据，这个中先将数据存储到x，y中，x中第一行第一个是相当于阈值，第二三个就是输入值，y中的就是输出值

x = array([[1,-0.5,-0.5],
      [1,-0.5,0.5],
      [1,0.3,-0.5],
      [1,0,1]])
y = array([[1.0],
      [1.0],
      [0],
      [0]])

2. 设置一个三行一列的权重

weights = np.random.random([3,1])

3. 写一个阶跃函数的方法，将大于0的设置为1，小于0的设置为0.(这个根据自己的需要调整)这个我写到step（）方法中

def step(x): 
  for i in range(len(x)):
    if x[i] > 0:
      x[i] = 1
      # print(x[i])
    else:
      x[i] = 0
  return x

5. 设置步长d
6. 设置一个更新迭代的方法，judge是每次经过激活函数算出来的值，然后weights2是步长 * 原值 * （原值与激活算法值之差），weights加上weights2

def update():
  global weights, judge, x, y
  judge = step(np.dot(x, weights))
  weights2 = d * (x.T.dot(y-judge))/int(x.shape[0])
  weights += weights

7. 最后经过1000循环，当judge == y的时候就停止,.all()的意思是让矩阵中的每一个都相互对比看是否相同

for i in range(1000):
  update()
  judge = step(np.dot(x, weights))
  if(judge == y).all():
    break
print(judge)
print(i)

最后输出的结果

[[1.]
 [1.]
 [0.]
 [0.]]
203

可以用下列两种方法下载完整代码：

CSDN

github