深度学习入门：多层感知机实现异或门
文章目录
- 前言
- 感知机
- 2层感知机实现异或门
- 总结
- 参考文献：
前言
最近又开始看深度学习的内容了，好久不用忘得差不多了，先从最简单的感知机入手了，这里记录下用2层感知机实现异或门。
感知机
什么是感知机呢？这里粗浅的介绍下，正式介绍大家可以从网上搜到。
感知机：由多个输入信号，每个输入信号都有对应的权重，经过一个选定的模型产生一个输出，这个模型可以是线性的模型，也可以是非线性的，根据实际需要来定（举例如下图）
上图中，x1,x2为两个输入信号，w1, w2分别为输入信号对应的权重， f为选定的模型，y则为输出，一般还需要一个偏置项b。
2层感知机实现异或门
一般来说，选定线性模型的单层感知机可以实现与门（AND）、或门（OR）、与非门（NAND），但是无法实现异或门，这是因为异或门不是线性可分的（异或门表示如下图）
如果不相信异或门不是线性可分的，大家可以试下在下图中用一条直线将圆圈和三角形分隔开（截图来自参考文献）
虽然单层感知机无法实现异或门，但是组合多个单层感知机却可以实现，见下图。
第一层：对输入信号分别进行或门（OR）和与非门（NAND）
第二层：对第一层或门、与非门结果进行与门，就可以得到异或门的结果了
比较正规的2层感知机实现异或门，如下图（截图来自参考文献）
总结
通过组合单层感知机，可以实现非线性数据的划分，这是深度学习的起点，感知机可表示“计算机世界的一切”。
参考文献：
《深度学习入门：基于python的理论与实现》