目录
第二章:感应机(人工神经元)
感知机作为神经网络起源的算法
二. 感知机
概念:感知机其实就是流与不流的问题,流就是1不流就是0、0 对应“不传递信号”,1对应“传递信号”
x1,x2是输入,y是输出,w1,w2是权值,x*w之和超过阀值θ时才会激活y
2. 简单逻辑电路
2.1简单逻辑电路
这里与门、与非门、或门的逻辑电路就比较简单,就是根据与或非,然后结合上面感知器的公式求和是否超过阀值来激活神经元
2.2代码实现:
与门实现:其他也是类似的
2.3导入权重和偏置
如果根据上式,θ是个负数的话,我们可以把他换成-b,转换得到
偏置和权重的作用是不一样的,权重是控制输入信号的重要性的参数,而偏置是调整神经元被激活的容易程度(输出信号为1的程度)的参数
numpy代码实现:
注意:这部分权重是根据经验计算而来的
2.4感知机局限性
曲线分割而成的空间称为非线性空间,由直线分割而成的空间称为线性空间
其中感知机可以表示与、或和与非门,他们都是线性的,但是异或却不是线性的,不能由感知机单层表示,但是可以多重感知机表示。
2.5多层感知机实现(解决异或门)
在梳理逻辑的学习里-这种多重结构解决了异或门
代码实现:
逻辑如下:
假设,异或门是一种多层结构的神经网络。这里,将最左边的 一列称为第0层,中间的一列称为第1层,最右边的一列称为第2层
感知机通过叠加层能够进行非线性的表示,理论上还可以表示计算机进行的处理
2.6 小结
是数理课本的内容,最主要是能够理解 感知机 与神经网路的关系