(深度学习笔记)单层感知器

单层感知器

1.规则

2.实践
题目：假设平面坐标系上有三个点，(3,3)(4,3)这两者点的标签为1，(1,1)这个点的标签为-1，构建神经网络来分类

import numpy as np
import matplotlib.pyplot as plt

#输入数据
X=np.array([[1,3,3],[1,4,3],[1,1,1]])
#标签
Y=np.array([1,1,-1])
#权值初始化
W=(np.random.random(3)-0.5)*2
print("权值初始化为",W)
#学习率
lr=0.11
#记录迭代次数
n=0
#实际输出
O=0

def update():
    global X,Y,W,lr,n
    n+=1
    O=np.sign(np.dot(X,W.T))
    W_C=lr*((Y-O.T).dot(X))/int(X.shape[0])
    W=W+W_C

for _ in range(100):
    update()
    print("第",n,"次的权值为",W)
    O=np.sign(np.dot(X,W.T))
    if (O== Y.T).all():
        print("Finished")
        print("epoch:",n)
        break

#正样本
x1=[3,4]
y1=[3,3]
#负样本
x2=[1]
y2=[1]
#计算斜率和截距
#W0+X1*W1+X2*W2=0 -> W0+x*W1+yW2=0 ->y=-W1/W2*x-W0/W2
k=-W[1]/W[2]
d=-W[0]/W[2]
print("k=",k)
print("d=",d)

xdata=np.linspace(0,5)
plt.figure()
plt.plot(xdata,xdata*k+d,"r")
plt.plot(x1,y1,"bo")
plt.plot(x2,y2,"yo")
plt.show()