深度学习入门 感知机

 

 

def AND(x1,x2):
    w1,w2,theta=0.5,0.5,0.7
    tmp=w1*x1+w2*x2
    if tmp <= theta:
        return 0
    elif tmp> theta:
        return 1

import  numpy as np
x=np.array([0,1])
w=np.array([0.5,0.5])
b=-0.7
print('y={}'.format(np.sum(w*x)+b))           #这个地方要注意乘法的作用，之前可能稍微误解了  w*x=[w1*x1,w2*x2]
                  #与门  或门 非门  理论上只是不同形式的感知机

def boosting_AND(x1,x2):
    x=[x1,x2]
    x=np.array(x)
    w=np.array([0.5,0.5])
    y=np.sum(x*w)+b
    if y<=0:
        return 0
    elif y>0:
        return  1

###接下来就使用多条线性代替非线性了