感知机学习体会（1）

感知机学习体会（1）

作者：吴峰宇

引言

感知机算法是由美国学者Frank Rosenblatt于1957年提出，是神经网络（深度学习）的起源的算法。所以，学习感知机的思想是通向神经网络和深度学习重要途径。

我们先给出感知机原理图：

首先，我们通过分析这张原理图，了解一下感知机的基本原理。感知机类似于一个函数，我们给它输入一个或者多个参数值（x1，x2），其返回一个值。并且这个值只有0和1两种选择。在《deep_learning_from_scratch》这本书中，0代表“不传递信号”，1代表“传递信号”。流程线上的w1，w2分别代表感知机赋予x1，x2的权重。最终感知机通过计算输入值加权后的和进行逻辑判断，符合条件输出1，不符合条件输出0。

把上述内容用函数表达式来表示就是这个样子：

我们将w定义为权重，将-θ定义为偏置

好的，我们已经明白了感知机是怎么回事了。接下来，我们就用感知机来解决一些简单问题。

我们先用感知机表示一些简单逻辑电路。

第一个逻辑电路，与门。先给出与门的真值表。

由图可知，只有当x1，x2都为1时，才输出1，其余都为0。

如何用感知机来实现与门呢？

实际上，我们需要确定的是（w1，w2，θ）的组合，而这种组合是无穷多的，例如我们可以选取（1,1,2）这个组合，也可以选取（0.5，0.1，0.5）这个组合。

下面我们给出与门的python代码：

非常简单对吧。那接下来，我们继续用感知机实现与非门。

与非门的真值表如下：

与非门其实就是与门的取反，那么它的实现代码我们也很容易写出：

接下来继续看或门。或门的真值表如下：

或门的实现也很简单：