[밑바닥부터 시작하는 딥러닝] 1. 퍼셉트론 Perceptron

1. 퍼셉트론 Perceptron

1-1. 퍼셉트론이란? What is Perceptron

퍼셉트론: 여러 개의 신호를 입력 받고 하나의 신호를 출력받음

$x, y, z$: 입력 신호 input signal

$w_{0}, w_{1}, w_{2}$: 가중치 weight

 

퍼셉트론의 동작 함수는 아래와 같음

 

$$y=\left\{\begin{matrix}
1 (b+w_{0}x+w_{1}y+w_{2}z> 0)
\\ 
0 (b+w_{0}x+w_{1}y+w_{2}z\leq 0)
\end{matrix}\right.$$

 

이때, $b$는 편향 bias라고 함

즉, 입력 신호에 가중치를 곱해 더한 값이 편향보다 크면 1을, 아니면 0을 출력하는 함수

 

 

1-2. 퍼셉트론으로 논리 회로 구현 Implement Logic Gates with Perceptron

- AND gate

import numpy as np

def AND(x1, x2):
    x = np.array([x1, x2]) # input signals
    w = np.array([0.5, 0.5]) # weights
    b = -0.7 # bias
    tmp = np.sum(w*x)+b
    
    if tmp <= 0:
        return 0
    else:
        return 1

 

- NAND gate

def NAND(x1, x2):
    x = np.array([x1, x2])
    w = np.array([-0.5, -0.5])
    b = 0.7
    tmp = np.sum(w*x)+b
    
    if tmp <= 0:
        return 0
    else:
        return 1

 

- OR gate

def OR(x1, x2):
    x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.2
    tmp = np.sum(w*x)+b
    
    if tmp <= 0:
        return 0
    else:
        return 1

 

- XOR gate

XOR gate은 비선형 영역으로 구분되므로 다층 퍼셉트론으로 구현해야 함

def XOR(x1, x2):
    s1 = NAND(x1, x2)
    s2 = OR(x1, x2)
    y = AND(s1, s2)
    
    return y
 
 
print(XOR(0, 0)) # 0
print(XOR(1, 0)) # 1
print(XOR(0, 1)) # 1
print(XOR(1, 1)) # 0

 

 

 

 

Textbook used -> book.interpark.com/product/BookDisplay.do?_method=detail&sc.prdNo=263500510&gclid=EAIaIQobChMImIeshoSn7wIVWVtgCh0sqQ6IEAYYASABEgLGm_D_BwE

싸니까 믿으니까 인터파크도서

 

<Source>

www.allaboutcircuits.com/technical-articles/how-to-train-a-basic-perceptron-neural-network/