深度学习入门知识（二）——什么是感知机

系列文章回顾

深度学习入门知识（一）——Python必备基础知识

---

---

前言

感知机（感知器）（英语：Perceptron）是Frank Rosenblatt在1957年就职于康奈尔航空实验室（Cornell Aeronautical Laboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器。额，好抽象啊。。。

​

---

一、感知机的作用

简单地说，感知机的作用就是，接受多个信号，输出单个信号，它和多输入单输出电路的作用类似。

二、感知机的表现形式

1.二输入感知机

从简单感知机学起，后期再去学习复杂感知机，二者原理是一样的。假设有两个输入信号$x1$和$x2$，各自对应的权重系数为$\omega 1$和$\omega 2$，一个输出信号$y$，界限值为$\theta$， 则二输入感知机可表示为：
$$y=\{\begin{array}{l}0\left(\omega 1x1+\omega 2x2\le \theta \right)\\ 1\left(\omega 1x1+\omega 2x2>\theta \right)\end{array}$$$\theta$又被称为阈值，当神经元传递过来的信号总和$\omega 1x1+\omega 2x2$
大于$\theta$时，才会输出1，这也被称为激活神经元。

二输入感知机图片形式如下：

2.简单逻辑电路

这部分内容和数字电子技术的逻辑电路原理相通，重点是记住逻辑电路的固定规则。同样假设有两个输入信号$x1$和$x2$，一个输出信号$y$，不同逻辑电路的规则及对应真值表如下：
（1）与门：仅在两个输入均为1时输出1，其他时候则输出0。

（2）与非门：仅当x1和x2同时为1时输出0，其他时候则输出1。

（3）或门：只要有一个输入信号是1，输出就为1。

3 感知机的实现

用Python编程来实现刚才的逻辑电路。
（1）与门：

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

输出结果：

AND(0, 0) # 输出0
AND(1, 0) # 输出0
AND(0, 1) # 输出0
AND(1, 1) # 输出1

（2）与非门：

def NAND(x1, x2):
	x = np.array([x1, x2])
	w = np.array([-0.5, -0.5]) # 仅权重和偏置与AND不同！
	b = 0.7
	tmp = np.sum(w*x) + b
	if tmp <= 0:
		return 0
	else:
		return 1

（3）或门：

def OR(x1, x2):
	x = np.array([x1, x2])
	w = np.array([0.5, 0.5]) # 仅权重和偏置与AND不同！
	b = -0.2
	tmp = np.sum(w*x) + b
	if tmp <= 0:
		return 0
	else:
		return 1

总结

以上就是今天要讲的深度学习入门知识第二章的内容，本文简单介绍了感知机的概念，喜欢的不妨点个赞再走！