書籍分享天地

書-Deep Learning 用Python 進行深度學習的基礎理論實作

老實說這本書買了很久，雖說剛買的時候有翻開來看，但是只看了前面幾章，想說好浪費錢，買了書就要把他看完，現在我有寫部落格，想說寫在這裡，以後自己有用到可以回來看看。

●感知器

○基本邏輯-AND

感知器(perceptron)

深度學習的演算法，多輸入單輸出，輸入跟輸出就是0(不傳遞)跟1(傳遞)。

x1、x2是輸入，y為輸出，w1、w2為權重值(w是weight的縮寫)。

權重值:也可以想成信任度，就好像好朋友(w1)跟陌生人(w2)給你意見，你一定會比較相信朋友(w1)，所以朋友的信任度(權重值)就會比較高，所以權重值也是很重要的參數。

神經元發火:很特別的名詞，但是就是當x1+x2大於1就稱為'神經元發火'，只輸出1跟0所以大於1就輸出1。

θ:稱為臨界值，就跟'神經元發火'一樣，超出臨界值1就輸出1，沒有就輸出0。

從上面的圖跟文字可以得出下面的公式:

(x1*w1+x2*w2)=y＞θ   輸出 1

(x1*w1+x2*w2)=y≦θ   輸出0

下面會用邏輯閘來示範上面的公式，順便加深一下印象。

我們先來看一下真值表

及閘:可以想成乘法，只要有0相乘就是0，1跟1才是1，下面會用程式碼來演示用及閘+上面的公式

結果:

現在是我們自己定義權重值跟臨界值(人工的方式)，輸入為真值表，但是在機器學習是電腦自己定義權重值跟臨界值(非人工的方式)，輸入值為資料，所以我們人類的工作就是訓練出一個模型(這裡是感知器)跟給電腦資料。

現在應該已經有了初步的了解，下面我們在把公式加上一個偏權重值。

(b+x1*w1+x2*w2)=y＞θ   輸出 1

(b+x1*w1+x2*w2)=y≦θ     輸出0

b(偏權重):就是多一個值，他會決定'神經元發火'的難度(就是超出來臨界值的難度)

這裡在放一個程式。

結果就跟上面的一樣

下集待續