[밑바닥딥러닝1] 2장 퍼셉트론 - AND,NAND,OR 게이트

Perceptron 이란?

 

다수의 신호를 입력으로 받아 하나의 신호를 출력한다.

 

AND 게이트

>>> def AND(x1, x2):
...     w1, w2, theta = 0.5, 0.5, 0.7
...     tmp = x1*w1 + x2*w2
...     if tmp <= theta:
...             return 0
...     elif tmp > theta:
...             return 1
...
>>> AND(0,0)
0
>>> AND(1,0)
0
>>> AND(0,1)
0
>>> AND(1,1)
1

 

 

+ 가중치(weight)와 편향(bias) 도입

가중치 (w1, w2)는 "각 입력 신호가 결과에 주는 영향력(중요도)을 조절하는 매개변수"

편향(bias)은 "뉴런이 얼마나 쉽게 활성화(결과 1) 하느냐를 조정하는 매개변수"

 

>>> import numpy as np
>>> x = np.array([0,1])
>>> w = np.array([0.5, 0.5])
>>> b = -0.7
>>> w*x
array([0. , 0.5])
>>> np.sum(w*x)
np.float64(0.5)
>>> np.sum(w*x) + b
np.float64(-0.19999999999999996)

 

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

 

 

NAND 게이트

AND게이트와 가중치만 다르다.

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

 

OR 게이트

AND게이트와 w, b가 다름.

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

 

 

 

=> AND, NAND, OR 게이트는 모두 같은 구조의 퍼셉트론이고, 가중치 매개변수의 값만 다르다.