Python实现感知器的逻辑电路(与门、与非门、或门、异或门)
在神经网络入门回顾(感知器、多层感知器)中整理了关于感知器和多层感知器的理论,这里实现关于与门、与非门、或门、异或门的代码,以便对感知器有更好的感觉。
此外,我们使用 pytest 框架进行测试。
pip install pytest
与门、与非门、或门
通过一层感知器就可以实现与门、与非门、或门。
先写测试代码 test_perception.py:
1 from perception import and_operate, nand_operate, or_operate 2 3 4 def test_and_operate(): 5 """ 6 测试与门 7 :return: 8 """ 9 assert and_operate(1, 1) == 1 10 assert and_operate(1, 0) == 0 11 assert and_operate(0, 1) == 0 12 assert and_operate(0, 0) == 0 13 14 15 def test_nand_operate(): 16 """ 17 测试与非门 18 :return: 19 """ 20 assert nand_operate(1, 1) == 0 21 assert nand_operate(1, 0) == 1 22 assert nand_operate(0, 1) == 1 23 assert nand_operate(0, 0) == 1 24 25 26 def test_or_operate(): 27 """ 28 测试或门 29 :return: 30 """ 31 assert or_operate(1, 1) == 1 32 assert or_operate(1, 0) == 1 33 assert or_operate(0, 1) == 1 34 assert or_operate(0, 0) == 0
写完测试代码,后面直接输入命令 pytest -v 即可测试代码。
这三个门的权重和偏置是根据人的直觉或者画图得到的,并且不是唯一的。以下是简单的实现,在 perception.py 中写上:
1 import numpy as np 2 3 4 def step_function(x): 5 """ 6 阶跃函数 7 :param x: 8 :return: 9 """ 10 if x <= 0: 11 return 0 12 else: 13 return 1 14 15 16 def and_operate(x1, x2): 17 """ 18 与门 19 :param x1: 20 :param x2: 21 :return: 22 """ 23 x = np.array([x1, x2]) 24 w = np.array([0.5, 0.5]) 25 b = -0.7 26 return step_function(np.sum(w * x) + b) 27 28 29 def nand_operate(x1, x2): 30 """ 31 与非门 32 :param x1: 33 :param x2: 34 :return: 35 """ 36 x = np.array([x1, x2]) 37 w = np.array([-0.5, -0.5]) 38 b = 0.7 39 return step_function(np.sum(w * x) + b) 40 41 42 def or_operate(x1, x2): 43 """ 44 或门 45 :param x1: 46 :param x2: 47 :return: 48 """ 49 x = np.array([x1, x2]) 50 w = np.array([0.5, 0.5]) 51 b = -0.3 52 return step_function(np.sum(w * x) + b)
运行 pytest -v 确认测试通过。
========================================================================== test session starts =========================================================================== platform darwin -- Python 3.6.8, pytest-5.1.2, py-1.8.0, pluggy-0.12.0 -- /Users/mac/.virtualenvs/work/bin/python3 ... collected 3 items test_perception.py::test_and_operate PASSED [ 33%] test_perception.py::test_nand_operate PASSED [ 66%] test_perception.py::test_or_operate PASSED [100%]=========================================================================== 3 passed in 0.51s ============================================================================
异或门
如上图所示,由于异或门不是线性可分的,因此需要多层感知器的结构。
使用两层感知器可以实现异或门。
修改 test_perception.py 文件,加入异或门的测试代码 :
from perception import and_operate, nand_operate, or_operate, xor_operate
以及
def test_xor_operate():"""测试异或门:return:"""assert xor_operate(1, 1) == 0assert xor_operate(1, 0) == 1assert xor_operate(0, 1) == 1assert xor_operate(0, 0) == 0
在 perception.py 文件里加入异或门的函数:
def xor_operate(x1, x2):"""异或门:param x1::param x2::return:"""s1 = nand_operate(x1, x2)s2 = or_operate(x1, x2)return and_operate(s1, s2)
我们通过与非门和或门的线性组合实现了异或门。
运行命令 pytest -v 测试成功。
========================================================================== test session starts =========================================================================== platform darwin -- Python 3.6.8, pytest-5.1.2, py-1.8.0, pluggy-0.12.0 -- /Users/mac/.virtualenvs/work/bin/python3 ... collected 4 items test_perception.py::test_and_operate PASSED [ 25%] test_perception.py::test_nand_operate PASSED [ 50%] test_perception.py::test_or_operate PASSED [ 75%] test_perception.py::test_xor_operate PASSED [100%]=========================================================================== 4 passed in 0.60s ============================================================================
原文作者:雨先生
原文链接:https://www.cnblogs.com/noluye/p/11465389.html
许可协议:知识共享署名-非商业性使用 4.0 国际许可协议
参考
- 神经网络入门回顾(感知器、多层感知器)
- 《Neural networks and deep learning》by Aurélien Géron
- 《Deep learning from scratch》by 斋藤康毅
转载于:https://www.cnblogs.com/noluye/p/11465389.html
Python实现感知器的逻辑电路(与门、与非门、或门、异或门)相关推荐
- Python 实现感知器模型、两层神经网络
python 3.4 因为使用了 numpy 这里我们首先实现一个感知器模型来实现下面的对应关系 [[0,0,1], --- 0 [0,1,1], --- 1 [1,0,1], --- 0 [1,1, ...
- python 实现感知器(一)
基础知识不再重述,可参考https://www.zybuluo.com/hanbingtao/note/433855 直接贴出文章里的代码以供参考学习,这里主要是为了锻炼自己的编写代码的能力,之前一直 ...
- python实现感知器算法
在1943年,沃伦麦卡洛可与沃尔特皮茨提出了第一个脑神经元的抽象模型,简称麦卡洛可-皮茨神经元(McCullock-Pitts neuron)简称MCP,大脑神经元的结构如下图.麦卡洛可和皮茨将神经细 ...
- python 多层感知器 sklearn.neural_network MLPClassifier.predict()函数
官方doc: Signature: mlp.predict(X) Docstring: Predict using the multi-layer perceptron classifier Para ...
- python实现感知器
- 神经网络入门回顾(感知器、多层感知器)
神经网络属于"联结主义",和统计机器学习的理论基础区别还是很不一样. 以我自己的理解,统计机器学习的理论基于统计学,理论厚度足够强,让人有足够的安全感:而神经网络的理论更侧重于代数 ...
- 【Python-ML】感知器学习算法(perceptron)
1.数学模型 2.权值训练 3.Python代码 感知器收敛的前提是两个类别必须是线性可分的,且学习速率足够小.如果两个类别无法通过一个线性决策边界进行划分,要为模型在训练集上的学习迭代次数设置一 ...
- AI实战:从入门到精通系列——用感知器实现情感分类(一)
前言 人工智能的第一次高潮始于上世纪50年代.在算法方面,感知器数学模型被提出用于模拟人的神经元反应过程,并能够使用梯度下降法从训练样本中自动学习,完成分类任务. 感知器 感知器算法在上个世纪50-7 ...
- 感知器python代码
感知器属于机器学习的入门算法了,具体的理论知识不细讲了.只说下里面涉及到的核心知识: 权重更新公式:w=wi+▲wi b=b+▲b其中▲wi=n(t-y)x b=n(t-y) n ...
最新文章
- 人工智能和机器学习技术推动企业发展
- spring原始注解
- debian常用工具所在的包
- Spring Data JPA教程第一部分:配置
- springcloud云服务架构-HongHu commonservice-eureka项目构建过程
- 李沐分享斯坦福2021秋季新课:实用机器学习
- java四个基本步骤_javac编译的四个主要的流程
- 【干货】DTC模式如何引领消费品牌企业实现创新-罗兰贝格.pdf
- qt扫雷鼠标c语言中文网,基于C语言实现的扫雷游戏代码
- 安装McAfee 8.7i 提示错误1920怎么办?
- office2003 office2007同时安装 配置问题的解决
- 利用python操作mrjob实例---wordcount
- 有的编译器,for (i=1; i 《 1; i++)会执行循环体
- ofo显示服务器故障,ofo服务器超时
- 一、linux内核源码分析(内核源码结构组成)
- keyshot怎么批量渲染_怎样用keyshot 5.0快速渲染出高质量图
- Python数据分析基础(2)
- 感觉最近自己太张狂了一些。
- Excel中使用名称定义常数
- 记一次使用百度云加速开启ssl后网站打不开的解决办法