Python Deep Learning 深學筆記 - 用神經元的方式寫簡單 Logic

←前一篇     後一篇→

若是頭一擺來遮，建議先來踏話頭

請共教育部閩南語常用辭典開--咧，隨時會當查。

咱這馬了解 Perceptron 神經元，嘛了解簡單 ê AND，OR，NAND Lo-tsik。先來定義簡單 AND 函式:

def AND(x1, x2):
    w1, w2, theta = 0.5, 0.5, 0.7
    tmp = x1*w1 + x2*w2
    if tmp <= theta:
        return 0
    if tmp > theta:
        return 1

AND(0, 0)
AND(1, 0)
AND(0, 1)
AND(1, 1)

遮有一个寫好的程式 and.py。

毋過，咱想欲利用 NumPy ê 陣列來運算，所以愛先共神經元的算式小改寫一咧:

y = 1 if (w1x1 + w2x2 ≦ θ) 
y = 0 if (w1x1 + w2x2  > θ)

和下跤ê仝款

y = 1 if (w1x1 + w2x2 - θ ≦ 0)  
y = 0 if (w1x1 + w2x2  - θ > 0 )

θ 咱共伊叫做 Pài-o-sù (Bias)，正號抑是負號無差，是共負號提出來外口抑是囥佇符號裡爾爾。若共 (-θ) 用另一个符號 b 代表:

y = 1 if (w1x1 + w2x2 + b ≦ 0)  
y = 0 if (w1x1 + w2x2  + b > 0 )

咱這馬會使開始寫 NumPy 版 ê AND 函式: and2.py:

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

AND(0, 0)
AND(1, 0)
AND(0, 1)
AND(1, 1)

你會問講 and.py 和 and2.py 是仝款 ê 程式，為啥物愛用 NumPy 來算咧? 這是因為未來，咱的程式會愈來愈複雜。若是這馬無先共 NumPy ê 基礎拍落，後擺會接載袂牢，毋但愈來愈僫寫，速度嘛會干焦龜佇趖咧。

紲落來是 nand.py:

import numpy as np
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

print(NAND(0, 0))
print(NAND(1, 0))
print(NAND(0, 1))
print(NAND(1, 1))

和 or.py:

import numpy as np
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

print(OR(0, 0))
print(OR(1, 0))
print(OR(0, 1))
print(OR(1, 1))

咱會當看著，AND，OR， NAND 干焦差佇 w, b  ê 值無仝，也都是設定 Paì-o-sù (bias) 都好阿!

←前一篇     後一篇→