神经网络基础运用M-P模型实现与门的完整python代码

神经网络可以用于模拟基本逻辑运算，如与门。M-P模型（也称为 McCulloch-Pitts 模型）是一种早期的、简单的神经元模型。下面是一个基于 Python 的简单 M-P模型实现与门逻辑的例子：

import numpy as np

# 定义输入变量 x 和 y
x = np.array([0, 0])  # 输入为 00
y = np.array([0, 1])  # 或者输入为 01

# 定义阈值和激活函数 (通常使用 Sigmoid 函数，这里简化为阈值比较)
threshold = 0.5
activation_function = lambda z: 1 if z >= threshold else 0

# 合成输入向量
input_vector = np.concatenate((x, y), axis=1)

# 计算加权求和
weighted_sum = np.sum(input_vector)

# 应用激活函数得到结果
output = activation_function(weighted_sum)

print(f"当输入 {x} 和 {y} 时，与门的输出为：{output}")

在这个例子中，我们把两个输入看作是输入层的权重，然后通过简单的加法计算它们的线性组合。如果这个和大于等于阈值，那么输出为1，否则为0，这就相当于实现了逻辑与的操作。