最近在研究深度学习的论文，但是由于基础薄弱，所以下网上看了好多关于感知器的文章，总结如下：
我们先从最简单的单层感知机学起，单层感知机是一个多输入单输出的模型。
输入：x1, x2
权重：w1, w2
偏置：b
输出：y
为什么要f映射呢？
我们知道f是激活函数，是非线性函数。
如果我们没有激活函数，这个神经网络的输出会怎样？
第一层输出：
第二层输出：
将第一层代入到第二层：
令
则
# 与门逻辑电路
def AND(x1, x2):
w1, w2, theta = 0.5, 0.5, 0.7
tmp = x1*w1 + x2*w2
if tmp <= theta:
return 0
else:
return 1
AND(0, 0) # 输出0
AND(1, 0) # 输出0
AND(0, 1) # 输出0
AND(1, 1) # 输出1
import numpy as np def AND(x1,x2): x = np.array([x1,x2]) # 输入 w = np.array([0.5,0.5]) # 权重 b = -0.7 # 激活函数 temp = np.sum(w*x)+b if temp <=0: return 0 else: return 1
原文：https://www.cnblogs.com/mysterygust/p/13192061.html
