Python中的简单感知器

我正在用Python编写一个没有阈值的非常简单的感知器，我正在使用sigmoid函数，但我需要遵循一个明确的指南，我对如何构造输出感到困惑

Input = [(1,1,0), (0,1,0),(1,1,1),(0,0,1)]
weights = [0,0,0]
output = sigmoid(input)
sigmoid = 1.0/(1.0 + exp(- Input)
sigmoid_derative = sigmoid * (1.0 - sigmoid)

我没有用python测试代码，但这只是我从讲座中学到的一场思想风暴。但我不确定我什么时候用乙状结肠？ 据我所知，激活功能将分为两部分：

加法器：

newInput=w1x1+w2x2+w3x3

sigmoid=1.0/（1.0+exp（-newInput）

然后我们将得到误差函数，以便知道权重是否准确

Error = 0.5 * (Target - Output)* (Target- Output)
if Error == 0 then Break;
else
Update weights.

这根本不是Python代码。据我所知，这是一种伪代码

你的问题更多的是一个概念性的问题，与Python或编码无关。因此，为了让你对这一点有一个清晰的认识，你需要首先按照你所做的方式计算新的输入。用作激活函数的sigmoid函数为你提供最终的输出（实际输出）。将此输出与目标输出进行比较，以获得用于更新权重的错误值。对所有输入逐历元重复此迭代，直到错误值低于合适的标记。终止算法的另一种可能方法是设置允许的最大历元数

---

我希望我的一篇关于Perceptron的文章可以帮助你获得一个清晰的想法。我的文章是“人工神经网络（Perceptron）从自驾汽车检测汽车/行人的直观示例”。因此，基本上，这篇文章是为新手编写的，只是为了获得更好的直觉。以下是链接：