《深度学习入门》(俗称:鱼书)读书笔记 Day1
感知机
感知机就是对于输入乘以一定的权值然后加上偏置,如果大于0那么被激活,否则被抑制。
下面是用感知机实现的一个与门。
np.sum(xw):xw对应元素相乘后,在相加即:x1w1+x2*w2
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:
return 1
else:
return 0
偏置b的值决定了神经元被激活的容易程度
局限性
感知机只能表示由一条直线分割的线性空间,对于非线性分类不能使用
多层感知机
可以使用感知机实现与门,与非门,或门。由于这些门是完备的故可以实现全部的电路。可以把这些电路当成一个黑盒,即可以表示任何函数。
故感知机可以通过叠加来进行非线性表示,理论上2层感知机就可以表示任何函数。(这里的两层感知机是指由两个拥有权重的传输层)
先休息一下,我先去玩两局LOL,回来看下一章神经网络