一.感知机概念
感知机模拟生物神经元的工作流程,通过设置各个神经元的某种连接权重,将神经元接收到的所有输入值按照权重叠加起来,再与当前神经元的阈值进行比较(我理解的阈值是一个临界值,代表了可以上下波动的幅度),最终通过激活函数向外表达输出
二.感知机运行原理
感知机接收多个输入信号,输出一个信号。这里所说的“信号”可以想
象成电流或河流那样具备“流动性”的东西。像电流流过导线,向前方输送
电子一样,感知机的信号也会形成流,向前方输送信息。但是,和实际的电
流不同的是,感知机的信号只有“流/不流”1/0)两种取值。
输入信号被送往神经元时,会被分别乘以固定的权重,
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
了某个界限值时,才会输出
1
。这也称为“神经元被激活”
。这里将这个界
限值称为
阈值
,用符号
θ
表示。
把上述内容用数学式来表示:
三.简单逻辑电路
1.与门:在两个输入均为1时输出1,其他时候则输出0
2.与非门:仅当两个输入同时为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
4.异或门:仅当两个输入的一方为 1时,才会输出1
感知机的局限性就在于它只能表示由一条直线分割的空间。而异或门只能通过
弯
曲的曲线分割空间,所以无法用感知机表示。
因此可以采取多层感知机进行实现。(
叠加了多层的感知机也称为多层感知机
)
四.用感知机实现简单逻辑电路
import numpy as np
def AND(x1,x2): #与门
w1, w2, theta = 0.5, 0.5, 0.7
tmp = x1*w1 + x2*w2
if tmp <= theta:
return 0
elif tmp > theta:
return 1
def NAND(x1,x2): #与非门
x = np.array([x1,x2])
w = np.array([-0.5,-0.5])
b = 0.7
tmp = np.sum(w*x) + b
if tmp <=0:
return 0
else:
return 0
def OR(x1,x2): #或门
x = np.array([x1,x2])
w = np.array([0.5,0.5])
b = -0.2
tmp = np.sum(w*x) + b
if tmp <=0:
return 0
else:
return 0
def XOR(x1,x2): #异或门
s1 = NAND(x1,x2)
s2 = OR(x1,x2)
y = AND(s1,s2)
return y
1.非线性空间:曲线分割而成的空间称为 非线性空间
2.线性空间:由直线分割而成的空间称为线性空间