神经网络基础学习笔记（一）感应机（人工神经元）

目录

第二章：感应机（人工神经元）

二. 感知机

2. 简单逻辑电路

2.1简单逻辑电路

2.2代码实现：

2.3导入权重和偏置

2.4感知机局限性

2.5多层感知机实现（解决异或门）

2.6 小结

---

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