没有合适的资源?快使用搜索试试~ 我知道了~
首页深度学习入门:感知机与基本逻辑运算
深度学习入门:感知机与基本逻辑运算
需积分: 10 3 下载量 187 浏览量
更新于2024-07-09
收藏 3.43MB DOCX 举报
深度学习笔记.docx是一份关于深度学习基础概念的文档,特别关注了神经网络中的基本组件——感知机及其相关逻辑运算符。文档首先介绍了感知机的基本原理,它是一种最简单的线性分类器,其工作原理是通过计算输入信号的加权和,当这个和超过预设的阈值(θ)时,神经元被激活,输出1。权重在这里起关键作用,决定了每个输入信号在决策过程中的影响力。 文档详细解释了不同类型的逻辑运算符,包括与门(AND)、或门(OR)以及它们的变体。与门仅在满足两个输入都大于或等于阈值时才输出1,而或门则只要有一个输入大于或等于阈值就输出1。此外,文档还涉及到了非门(NOT AND),它在满足条件时输出0,与常规的AND操作相反。最后,文档提及了异或(XOR)逻辑,这是一个非线性的运算,其输出取决于输入的相对关系,而不是简单的加权和。 在代码示例部分,读者可以看到这些逻辑运算的具体实现,如如何通过计算加权和来模拟门电路的行为。这些示例有助于理解这些概念在实际编程中的应用,例如在神经网络中构建基本的逻辑单元。 深度学习笔记不仅限于感知机,它还可能涵盖了更复杂的神经网络结构,如多层感知机(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)等,以及训练算法如反向传播(Backpropagation)和优化方法。然而,根据提供的部分内容,重点集中在感知机和基础逻辑运算上,这些内容是理解和设计更深层次神经网络架构的基础。理解这些概念对于深入研究深度学习至关重要,因为它们构成了构建神经网络模型的核心组成部分。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/33834830/bgb.jpg)
# flag = False
if flag:
# 初始化函数
def sigmoid(x):
return 1 / (1 + np.exp(-x))
def identity_function(x):
return x
def init_network():
network = {}
network['w1'] = np.array([[0.1, 0.3, 0.5], [0.2, 0.4, 0.6]]) #
(2,3)
network['w2'] = np.array([[0.1, 0.4], [0.2, 0.5], [0.3, 0.6]])
# (3,2)
network['w3'] = np.array([[0.1, 0.3], [0.2, 0.4]]) # (2,2)
network['b1'] = np.array([0.1, 0.2, 0.3]) # 下层 y,几个偏执 (3,)
network['b2'] = np.array([0.1, 0.2]) # (2,)
network['b3'] = np.array([0.1, 0.2]) # (1,2)
return network
# 前进的函数
def forward(network, x):
A1 = np.dot(x, network['w1']) + network['b1'] # (3,) (2,)
(2,3)+(3,) =(1,3)+(3,)=(3,)
Z1 = sigmoid(A1)
A2 = np.dot(Z1, network['w2']) + network['b2']
Z2 = sigmoid(A2)
A3 = np.dot(Z2, network['w3']) + network['b3']
Z3 = identity_function(A3)
print(Z3)
x = np.array([1, 2])
network = init_network()
forward(network, x) #[0.32403126 0.71230655]
框架神经层的建立:
![](https://csdnimg.cn/release/download_crawler_static/33834830/bgc.jpg)
import torch
import torch.nn.functional as F
class Net(torch.nn.Module):
def __init__(self, n_feature, n_hidden, n_output):
super(Net,self).__init__()
self.hidden=torch.nn.Linear(n_feature,n_hidden)
self.predict =torch.nn.Linear(n_hidden,n_output)
def forward(self,x):
x=F.relu(self.hidden(x))
x=self.predict(x)
return x
net1=Net(1,10,1)
print(net1)
net2 = torch.nn.Sequential(
torch.nn.Linear(1,10),
torch.nn.ReLU(),
torch.nn.Linear(10, 1)
)
print(net2)
!"!#$$%&'&&()*+%##,-
")#,./
!0 122233!233!
2!2$451/612223
3!233!2!1
7
8 4!6!4!6$-63!
58 4!6$!4!6-63!
*9!
$8 4!6!4!6$-63!
:8;
8 4!6$!4!6-63!
![](https://csdnimg.cn/release/download_crawler_static/33834830/bgd.jpg)
输出层的设计:
神经网络可以用在分类问题和回归问题上,不过需要根据情况改变输出 层
的激活函数。一般而言,回归问题用恒等函数,分类问题用 函数
恒等函数定义:
会将输入按原样输出,对于输入的信息,不加以任何改动地直 接输出。
输出层的神经元数量:
输出层的神经元数量需要根据待解决的问题来决定。对于分类问题,输 出
层的神经元数量一般设定为类别的数量。
、
剩余63页未读,继续阅读
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
云飘云
- 粉丝: 96
- 资源: 1
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 中国微型数字传声器:技术革新与市场前景
- 智能安防:基于Hi3515的嵌入式云台控制系统设计
- 手机电量低时辐射真增千倍?解析手机使用谣言
- 56F803型DSP驱动的高精度大功率超声波电源控制策略研究
- ARM与GPRS结合的远程监测系统设计
- GPS与RFID技术结合的智能巡检系统设计
- CPLD驱动的低功耗爆炸场温度测试系统设计
- 基于FPGA的智能驱动控制系统:可扩展设计与工业网络协议
- 基于ATmega128和CH374的嵌入式USB接口设计
- 基于AT89C52的温度补偿超声波测距仪:高精度设计与应用
- MSP430F448单片机在交流数字电压表中的应用
- 提升变频器应用效率的12项实用技巧
- STM32F103在数字电镀电源并联均流系统中的应用
- PSpice仿真下的升压开关电源设计:拓扑分析与CCM稳定性提升
- 轻巧高效:MSP430主导的低成本无线传感器网络节点设计
- FPGA在EDA/PLD中实现LVDS接口的应用解析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)