问NAND感知器的简单权值(-1，-1)和偏置(2)

EN

在大多数关于感知器的研究材料中，感知器都是这样定义的。

输出=1如果w。X+b>0输出=0如果w。X+b <= 0

(圆点‘’)在上面的公式中，表示点积。)

在我所见过的大多数NAND感知器的例子中，NAND感知器的定义如下：

• W= -2，-2，b=3(来源：http://neuralnetworksanddeeplearning.com/chap1.html)
• W= -1，-1，b= 1.5 (来源：http://users.monash.edu/~app/CSE5301/Lnts/LbD.pdf)
• W= -0.6，-0.6，b=1(资料来源：http://toritris.weebly.com/perceptron-2-logical-operations.html)

我定义我的NAND感知器如下。

• W= -1，-1，b=2

这是一个证明，它的工作就像一个NAND感知器。

x0 x1 | w0 * x0 + w1 * x1 + b | output
------+-----------------------+-------
0  0  | 2                     | 1
0  1  | 1                     | 1
1  0  | 1                     | 1
1  1  | 0                     | 0

这是一个有效的感知器吗？为什么现有的文本不使用这样简单的NAND感知器，有什么具体的原因吗？