单个神经元的基本结构如下:
单个神经元即单层感知机,拥有一组输入和一个输出。输入为x1-x3与1,经过加权Wx后进行一个输出h(Wx)。b为阈值,可以看做w的扩展,b对应的x为定值。f和h是同一个概念,是激活函数。x是特征向量,x作为输入可以表示事物的特征。
已知输入向量为x,权重向量为W,则输出的计算如下图所示。
单个神经元可以用于进行简单的逻辑运算,以与运算为例,取权值w=(0.5,0.5,-0.7),x=(x1,x2,1),激活函数取f(t)=t>0?1:0.则与运算的单层感知机python代码如下。
import numpy as np
def m_and(x, y):
w = np.array([0.5, 0.5, -0.7])
x = np.array([x, y, 1])
if np.sum(w*x) > 0:
return 1
else:
return 0
print(m_and(0, 0))
print(m_and(0, 1))
print(m_and(1, 0))
print(m_and(1, 1))
输出如下
0
0
0
1