系列文章回顾
深度学习入门知识（一）——Python必备基础知识
文章目录
- 系列文章回顾
- 前言
- 一、感知机的作用
- 二、感知机的表现形式
- 1.二输入感知机
- 2.简单逻辑电路
- 3 感知机的实现
- 总结
前言
感知机（感知器）（英语：Perceptron）是Frank Rosenblatt在1957年就职于康奈尔航空实验室（Cornell Aeronautical Laboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器。额，好抽象啊。。。
一、感知机的作用
简单地说，感知机的作用就是，接受多个信号，输出单个信号，它和多输入单输出电路的作用类似。
二、感知机的表现形式
1.二输入感知机
从简单感知机学起，后期再去学习复杂感知机，二者原理是一样的。假设有两个输入信号 x 1 x1 x1和 x 2 x2 x2，各自对应的权重系数为 ω 1 \omega1 ω1和 ω 2 \omega2 ω2，一个输出信号 y y y，界限值为 θ \theta θ， 则二输入感知机可表示为：
y = { 0 ( ω 1 x 1 + ω 2 x 2 ≤ θ ) 1 ( ω 1 x 1 + ω 2 x 2 > θ ) y = \left\{ \begin{array}{l} 0\quad{\rm{ }}\left( {\omega 1x1 + \omega 2x2 \le \theta } \right)\\ 1\quad{\rm{ }}\left( {\omega 1x1 + \omega 2x2 > \theta } \right) \end{array} \right.{\rm{ }} y={0(ω1x1+ω2x2≤θ)1(ω1x1+ω2x2>θ) θ \theta θ又被称为阈值，当神经元传递过来的信号总和 ω 1 x 1 + ω 2 x 2 \omega 1x1 + \omega 2x2 ω1x1+ω2x2
大于 θ \theta θ时，才会输出1，这也被称为激活神经元。
二输入感知机图片形式如下：
2.简单逻辑电路
这部分内容和数字电子技术的逻辑电路原理相通，重点是记住逻辑电路的固定规则。同样假设有两个输入信号 x 1 x1 x1和 x 2 x2 x2，一个输出信号 y y y，不同逻辑电路的规则及对应真值表如下：
（1）与门：仅在两个输入均为1时输出1，其他时候则输出0。
（2）与非门：仅当x1和x2同时为1时输出0，其他时候则输出1。
（3）或门：只要有一个输入信号是1，输出就为1。
3 感知机的实现
用Python编程来实现刚才的逻辑电路。
（1）与门：
def AND(x1, x2):w1, w2, theta = 0.5, 0.5, 0.7tmp = x1*w1 + x2*w2if tmp <= theta:return 0elif tmp > theta:return 1
输出结果：
AND(0, 0) # 输出0
AND(1, 0) # 输出0
AND(0, 1) # 输出0
AND(1, 1) # 输出1
（2）与非门：
def NAND(x1, x2):x = np.array([x1, x2])w = np.array([-0.5, -0.5]) # 仅权重和偏置与AND不同！b = 0.7tmp = np.sum(w*x) + bif tmp <= 0:return 0else:return 1
（3）或门：
def OR(x1, x2):x = np.array([x1, x2])w = np.array([0.5, 0.5]) # 仅权重和偏置与AND不同！b = -0.2tmp = np.sum(w*x) + bif tmp <= 0:return 0else:return 1
总结
以上就是今天要讲的深度学习入门知识第二章的内容，本文简单介绍了感知机的概念，喜欢的不妨点个赞再走！
