深度学习入门-感知机

*感知机是一个比较古老的算法 那么我们为什么要学它呢，主要是因为感知机也是神经网络（深度学习）的起源的算法，接下来我们将简单介绍感知机，并用感知机解决一些简单的问题。

2.1感知机是什么？

感知机就相当于一个神经元，接受一个或多个信号时，输出一个信号，0/1。输入的每个信号乘以固定的权重，当他们的总和超过某个界限时，才会输出1，我们也称他为“神经元激活”。

用公式表示的话就是

不同的信号都有他对应的权重，当权重越大，对应的权重的信号的重要性就越高。

2.2简单逻辑电路

与门
当(w1 w2 seta） =（0.5 0.5 0.7）或者(w1 w2 seta） =（1.0 1.0 1.0）都可以满足

同样与非门和或门也可以实现

2.3实现导入与偏置

同样的原理我们这里换一种表示方法

这里b称为偏置，w1,w2称为控制信号的重要性的参数，而偏置是调整神经元被激活的容易程度的参数，例如当b=-0.1,则只要输入信号加权总和超过0.1，神经元就会被激活。

2.4感知机的局限性

那么我们之前实现了不同的逻辑门，异或门也是其中一种可以实现吗，答案是不可以，起码单层的感知机是不可以的，为什么呢。

异或门只要满足了其中一个输入为1则输出为1那么，我们先看或门将他形象的展示出来，

这里相当于用一个直线-0.5+x1+x2=0分隔开两个空间，这是可以实现的

那么我们来看异或门呢？

哦，糟糕，无法找打一个直线将他们分开了。
但是这是因为这个直线是线性的，那么如果 我们将这个直线改为非线性是不是就可以了呢

是的，这样就可以了，那么如何实现呢，其实很简单就相当于把直线的参与提升次方我们引入多层感知机即可得到。

2.5多层感知机

多层感知机即通过叠加的办法进行组合，将我们前面做好点的与门、与非门、或门进行配置即可

通过组合这样的与门、与非门、或门即可实现异或门。

这样的东西我们称他为多层感知机