单层感知器实现逻辑与运算

2024-06-17 13:58

本文主要是介绍单层感知器实现逻辑与运算,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

感知器是一个用来做模式识别最简单的模型,由于仅有一个神经元,所以只能用来处理线性可分的两类模式识别。

模型

w1
w2
w3
wn
x1
x2
x3
xn
b
激活函数f
输出y

u = ∑ i = 1 i = n w i x i + b u = \sum_{i=1}^{i=n} w_{i}x_{i} + b u=i=1i=nwixi+b

y = s g n ( u ) y = sgn (u) y=sgn(u)

sgn阶跃函数,当u>=0时,y=1;当u<0时,y=0。

设输入为x={x1,x2,…,xn},
若:
y = f ( w , x , b ) = 1 y=f(w,x,b) =1 y=f(w,x,b)=1则认为x属于类L1。
若:
y = f ( w , x , b ) = 0 y=f(w,x,b) =0 y=f(w,x,b)=0则认为x属于类L2。

分类原理就是通过一种算法,不断调整w、b的参数,使得对应输入样本满足期望的输出。

纠错学习

设输入为x,经过神经元后得到输出y,称y为实际输出或目标输出,对于输入x其实我们希望输出为d,称d为期望输出。期望输出与目标输出存在误差,用e表示。
e ( n ) = y ( n ) − d ( n ) e(n) = y(n) - d(n) e(n)=y(n)d(n)
通过不断的调整神经元内部参数(w,b)使得误差e最小化,就完成了学习的过程。每次调整的量可表示为:
Δ w ( n ) = η e ( n ) x ( n ) \Delta w(n) = \eta e(n)x(n) Δw(n)=ηe(n)x(n)
Δ b ( n ) = η e ( n ) \Delta b(n) = \eta e(n) Δb(n)=ηe(n)
调整后参数可表示为:
w ( n + 1 ) = w ( n ) + Δ w ( n ) w(n+1) = w(n)+ \Delta w(n) w(n+1)=w(n)+Δw(n)
b ( n + 1 ) = b ( n ) + Δ b ( n ) b(n+1) = b(n)+\Delta b(n) b(n+1)=b(n)+Δb(n)

代码实例

逻辑与的规则为:

0 and 0 is 0
0 and 1 is 0
1 and 0 is 0
1 and 1 is 1

即当输入x = (1,1),期望输出为1,其余输入,期望输出为0
设感知器有两个输入端x1和x2 ,则:

u = w 1 x 1 + w 2 x 2 + b u = w_{1}x_{1} + w_{2}x_{2}+b u=w1x1+w2x2+b
实际输出为:
y = s g n ( u ) ( u > = 0 , y = 1 ; u < 0 , y = 0 ) y= sgn(u) (u>=0,y=1;u<0,y=0) y=sgn(u)u>=0,y=1;u<0,y=0

通过多次迭代,通过不断的调整w1、w2、b参数,使得误差e逐渐减小。即实际输出不断逼近期望值。

import numpy as np
import matplotlib.pyplot as plt# 定义输入数据,有4种输入情况
x = np.array([[0,0],[0,1],[1,0],[1,1]])# 输出期望值
d = np.array([0,0,0,1])# 初始化w、b参数,w1=0.2,w2=0.6,b=1;
w = np.array([[0.2,0.6]])
b = 1;# 定义学习速率
t = 0.03# 定义sgn函数
def step(a):if a>0:return 1else:return 0# w、b更新
# dat 输入数据
# lable 输入对应的期望
def updatePar(dat,lable):global w,b# 实际输出 y = WX+b ,WX为矩阵相乘y = step(np.dot(w,np.array(dat).T) + b)# 计算实际输出与期望之差e = lable - y# 调整w、b参数w = w + t*e*datb = b + t*e
# 训练全部输入
def train():for index in range(4):updatePar(x[index],d[index])# 准确度
accuracy = []
# 测试
# 返回0~1之间的数,等于1时表示准确率100%
def test():k = 0;for index in range(4):y = step(np.dot(w,np.array(x[index]).T) + b)if (y == d[index]):k = k + 1accuracy.append(k*0.25)
# 训练、测试
for index in range(30):train()test()# 打印最终w,b的值
print(str(w) +"---"+ str(b))plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.xlabel("迭代次数")
plt.ylabel("准确率")
plt.plot(accuracy)
plt.show()

结果:

w=[[ 0.05  0.12]]   b=-0.14
w1 = 0.05
w2 = 0.12

在这里插入图片描述

这篇关于单层感知器实现逻辑与运算的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1069633

相关文章

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

Java对象转换的实现方式汇总

《Java对象转换的实现方式汇总》:本文主要介绍Java对象转换的多种实现方式,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Java对象转换的多种实现方式1. 手动映射(Manual Mapping)2. Builder模式3. 工具类辅助映

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组