感知机的局限性

最新推荐文章于 2024-09-13 06:06:42 发布

王摇摆

最新推荐文章于 2024-09-13 06:06:42 发布

阅读量576

点赞数

分类专栏：深度学习文章标签： python 开发语言

本文链接：https://blog.csdn.net/weixin_44943389/article/details/127882998

版权

深度学习专栏收录该内容

33 篇文章

订阅专栏

一、异或门

1.1 异或门电路的真值表

XOR门电路

注意，门电路的输入只能是0或者1
异或：拒绝其他的意思

只有在两个输入不同的情况下，输出才会是1

输入1	输入2	真值表
0	0	0
0	1	1
1	0	1
1	1	0

1.2 问题的提出

感知机可以实现基本的三种门电路。但是无法实现异或电路

1.3 以可视化的思想来思考

基本的三种门电路都可以通过一条直线来分割坐标区域来实现
请添加图片描述

对于异或门电路来说，想通过一条直线来实现该电路是不可能的事情。

二、线性和非线性

2.1 感知机的局限性

只能表示由一条直线分割开来的线性空间

2.2 该知识点在机器学习的领域很常见

三、多层感知机

组合使用就可以用来表示非线性空间

3.1 通过已有的门电路组合来实现异或电路门

# 使用矩阵的方式来计算不同线路之和
import numpy as np


# 与门
def AND(x1, x2):
    x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.7

    temp = np.sum(x * w) + b
    if temp <= 0:
        print('the out is 0')
    else:
        print('the out is 1')


# 与非门
def NAND(x1, x2):
    x = np.array([x1, x2])
    w = np.array([-0.5, -0.5])
    b = 0.7

    temp = np.sum(x * w) + b
    if temp <= 0:
        return 0
    else:
        return 1


# 或门
def OR(x1, x2):
    x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.2

    temp = np.sum(x * w) + b
    if temp <= 0:
        return 0
    else:
        return 1


# 异或门
def XOR(x1, x2):
    s1 = NAND(x1, x2)
    s2 = OR(x1, x2)
    AND(s1, s2)


# 测试
XOR(0, 0)
XOR(0, 1)
XOR(1, 0)
XOR(1, 1)

D:\ANACONDA\envs\pytorch\python.exe C:/Users/Administrator/Desktop/Code/learn_pytorch/first_demo.py
the out is 0
the out is 1
the out is 1
the out is 0

Process finished with exit code 0