感知機(jī)是1957年提出的算法，也是作為神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的起源算法。

下面是csdn大佬總結(jié)的感知機(jī)模型以及簡單的應(yīng)用：機(jī)器學(xué)習(xí)——感知機(jī)機(jī)器學(xué)習(xí)感知機(jī)欲游山河十萬里的博客-CSDN博客

感知機(jī)是什么

感知機(jī)接收多個(gè)輸入信號，輸出一個(gè)信號輸入信號在送往神經(jīng)元的時(shí)候，分別乘以權(quán)重，神經(jīng)元會計(jì)算信號總和，只有當(dāng)這個(gè)總和超過某個(gè)界限時(shí)，才會輸出1；

感知機(jī).png

image.png

感知機(jī)應(yīng)用與實(shí)現(xiàn)

a.與門

def AND(x1, x2):
    x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.7
    tmp = np.sum(w*x) + b
    if tmp <= 0:
        return 0
    else:
        return 1
(0, 0) -> 0 #0+0-0.7
(1, 0) -> 0 #0.5+0-0.7
(0, 1) -> 0 #0+0.5-0.7
(1, 1) -> 1 #0.5+0.5-0.7

b.或門

def OR(x1, x2):
    x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.2
    tmp = np.sum(w*x) + b
    if tmp <= 0:
        return 0
    else:
        return 1

c.與非門

def NAND(x1, x2):
    x = np.array([x1, x2])
    w = np.array([-0.5, -0.5])
    b = 0.7
    tmp = np.sum(w*x) + b
    if tmp <= 0:
        return 0
    else:
        return 1

多層感知機(jī)

從上面應(yīng)用可以看出單層感知機(jī)無法實(shí)現(xiàn)異或門，深究其原因，知感知機(jī)的原理是用直線在平面上分隔出兩個(gè)空間，其中一個(gè)空間輸出0，另一個(gè)空間輸出1；異或門無法用一條直線分隔成0和1 兩個(gè)空間；此外，直線分隔成的空間叫做線性空間，非直線分隔成的空間叫做非線性空間；所以，單層感知機(jī)只能解決線性空間問題。故引入多層感知機(jī)。

d.異或門實(shí)現(xiàn)
參考計(jì)算機(jī)組成異或門的實(shí)現(xiàn)，我們知道可以利用與非門，或門和與門組合實(shí)現(xiàn)；

異或門

def XOR(x1, x2):
    s1 = NAND(x1, x2)
    s2 = OR(x1, x2)
    y = AND(s1, s2)
    return y

end