斋藤康毅著的深度学习入门的学习记录 第二章 感知机

第二章  感知机

2.3 感知机的实现

2.3.1 简单实现

　　用python实现一个与门，先定义一个接收参数x1和x2的AND函数。

# 与门：w1, w2, theta =0.5, 0.5, 0.7
# 与非门：w1, w2, theta =-0.5, -0.5, -0.7
# 或门：w1, w2, theta =m, n, 0  m和n任意正数

def AND(x1, x2):
    w1, w2, theta =0.5, 0.5, 0.7
    tmp = x1*w1 + x2*w2
    if tmp <= theta:
        return 0
    elif tmp > theta:
        return 1

y1=AND(0, 0)
y2=AND(0, 1)
y3=AND(1, 0)
y4=AND(1, 1)
print(y1,y2,y3,y4)

2.3.2 导入权重和偏置

　　刚才的与门比较容易理解，但是考虑到后续的神经网络，我们改写一个形式，采用权重和偏执的概念

import numpy as np

#与门
def AND(x1,x2):
    x = np.array([x1, x2])    # 输入
    w = np.array([0.5, 0.5])  # 权重
    b = -0.7                  # 偏执
    y = np.sum(w*x) + b
    if y <= 0:
        return 0
    else:
        return 1

#与非门
def NAND(x1, x2):
    x = np.array([x1, x2])      # 输入
    w = np.array([-0.5, -0.5])  # 权重
    b = 0.7                     # 偏执
    y = np.sum(w * x) + b
    if y <= 0:
        return 0
    else:
        return 1

#或门
def OR(x1, x2):
    x = np.array([x1, x2])    # 输入
    w = np.array([0.5, 0.5])  # 权重
    b = -0.2                  # 偏执
    y = np.sum(w * x) + b
    if y <= 0:
        return 0
    else:
        return 1

 2.4 感知机的局限性

2.4.1 异或门

　　仅当x1或x2中的一方为1时，才会输出1（‘异或’是拒绝其他的意思），用前面介绍的感知机是无法实现这个异或门的。

2.4.2 线性和非线性

　　感知机的局限性就在于他只能表示由一条直线分割的空间。

　　曲线分割的空间称其非线性空间，直线分割的称为线性空间

2.5 多层感知机

　　感知机可以叠加层，所以可以用叠加层来表示异或门。

2.5.2 异或门的实现

　　用之前定义的AND,NAND,OR函数来实现。

def XOR(x1,x2):
    s1 = NAND(x1,x2)
    s2 = OR(x1,x2)
    y = AND(s1,s2)
    print(y)
    return y

XOR(0,0)
XOR(0,1)
XOR(1,0)
XOR(0,0)

 

小结

　　1、感知机是具有输入和输出的算法。

　　2、感知机将权重和偏执设置为参数。

　　3、使用感知机可以表示与或门等逻辑电路。

　　4、异或门无法用单层感知机，需要两层。

　　5、单层感知机只能表示线性空间，而多层感知机可以表示非线性空间。

　　6、多层感知机理论上可以表示计算机。