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

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

SpringBoot+EasyPOI轻松实现Excel和Word导出PDF

《SpringBoot+EasyPOI轻松实现Excel和Word导出PDF》在企业级开发中,将Excel和Word文档导出为PDF是常见需求,本文将结合​​EasyPOI和​​Aspose系列工具实... 目录一、环境准备与依赖配置1.1 方案选型1.2 依赖配置(商业库方案)二、Excel 导出 PDF

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

MySQL逻辑删除与唯一索引冲突解决方案

《MySQL逻辑删除与唯一索引冲突解决方案》本文探讨MySQL逻辑删除与唯一索引冲突问题,提出四种解决方案:复合索引+时间戳、修改唯一字段、历史表、业务层校验,推荐方案1和方案3,适用于不同场景,感兴... 目录问题背景问题复现解决方案解决方案1.复合唯一索引 + 时间戳删除字段解决方案2:删除后修改唯一字

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

Spring Boot 结合 WxJava 实现文章上传微信公众号草稿箱与群发

《SpringBoot结合WxJava实现文章上传微信公众号草稿箱与群发》本文将详细介绍如何使用SpringBoot框架结合WxJava开发工具包,实现文章上传到微信公众号草稿箱以及群发功能,... 目录一、项目环境准备1.1 开发环境1.2 微信公众号准备二、Spring Boot 项目搭建2.1 创建

IntelliJ IDEA2025创建SpringBoot项目的实现步骤

《IntelliJIDEA2025创建SpringBoot项目的实现步骤》本文主要介绍了IntelliJIDEA2025创建SpringBoot项目的实现步骤,文中通过示例代码介绍的非常详细,对大家... 目录一、创建 Spring Boot 项目1. 新建项目2. 基础配置3. 选择依赖4. 生成项目5.

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录