(一)深度学习入门之单个神经元

单个神经元的基本结构如下：

单个神经元即单层感知机，拥有一组输入和一个输出。输入为x1-x3与1,经过加权Wx后进行一个输出h(Wx)。b为阈值，可以看做w的扩展，b对应的x为定值。f和h是同一个概念，是激活函数。x是特征向量，x作为输入可以表示事物的特征。

已知输入向量为x,权重向量为W，则输出的计算如下图所示。

单个神经元可以用于进行简单的逻辑运算，以与运算为例，取权值w=(0.5,0.5,-0.7),x=(x1,x2,1)，激活函数取f(t)=t>0?1:0.则与运算的单层感知机python代码如下。

import numpy as np


def m_and(x, y):
    w = np.array([0.5, 0.5, -0.7])
    x = np.array([x, y, 1])
    if np.sum(w*x) > 0:
        return 1
    else:
        return 0


print(m_and(0, 0))
print(m_and(0, 1))
print(m_and(1, 0))
print(m_and(1, 1))

输出如下

0
0
0
1