用python实现感知器的 AND 和 OR 操作算法

下面是Python实现感知器的AND和OR操作算法的示例代码：

class Perceptron:
    def __init__(self, input_num, activator):
        self.activator = activator
        self.weights = [0.0] * input_num
        self.bias = 0.0

    def __str__(self):
        return 'weights: %s, bias: %f' % (self.weights, self.bias)

    def predict(self, input_vec):
        return self.activator(
            reduce(lambda a, b: a + b,
                   map(lambda x, w: x * w,
                       input_vec, self.weights)) + self.bias)

    def train(self, input_vecs, labels, iteration, rate):
        for i in range(iteration):
            self._one_iteration(input_vecs, labels, rate)

    def _one_iteration(self, input_vecs, labels, rate):
        samples = zip(input_vecs, labels)
        for (input_vec, label) in samples:
            output = self.predict(input_vec)
            self._update_weights(input_vec, output, label, rate)

    def _update_weights(self, input_vec, output, label, rate):
        delta = label - output
        self.weights = list(map(
            lambda x, w: w + rate * delta * x,
            input_vec, self.weights))
        self.bias += rate * delta


def f(x):
    return 1 if x > 0 else 0


def get_training_dataset():
    input_vecs = [[1, 1], [1, 0], [0, 1], [0, 0]]
    labels = [1, 0, 0, 0]
    return input_vecs, labels


def train_and_perceptron():
    input_vecs, labels = get_training_dataset()
    p = Perceptron(2, f)
    p.train(input_vecs, labels, 10, 0.1)
    return p


def train_or_perceptron():
    input_vecs, labels = get_training_dataset()
    p = Perceptron(2, f)
    p.train(input_vecs, labels, 10, 0.1)
    return p


if __name__ == '__main__':
    and_perceptron = train_and_perceptron()
    print(and_perceptron)
    print('1 and 1 = %d' % and_perceptron.predict([1, 1]))
    print('1 and 0 = %d' % and_perceptron.predict([1, 0]))
    print('0 and 1 = %d' % and_perceptron.predict([0, 1]))
    print('0 and 0 = %d' % and_perceptron.predict([0, 0]))

    or_perceptron = train_or_perceptron()
    print(or_perceptron)
    print('1 or 1 = %d' % or_perceptron.predict([1, 1]))
    print('1 or 0 = %d' % or_perceptron.predict([1, 0]))
    print('0 or 1 = %d' % or_perceptron.predict([0, 1]))
    print('0 or 0 = %d' % or_perceptron.predict([0, 0]))

在该示例代码中，我们定义了一个Perceptron类，其中包含了感知器的权重、偏置、预测和训练方法。我们还定义了一个激活函数f，该函数在输入大于0时返回1，在输入小于等于0时返回0。我们也定义了一个get_training_dataset函数，该函数返回我们的训练数据集。我们使用train_and_perceptron函数和train_or_perceptron函数来训练AND感知器和OR感知器。最后，在主函数中我们用训练出的感知器来测试它们的预测能力。