AND gate와 OR gate는 한 개의 퍼셉트론으로 만들어졌기 때문에 단층 퍼셉트론이라고 부른다.
단층 퍼셉트론인 AND gate와 OR gate를 직접 구현해보며 적절한 가중치(Weight)와 Bias 값을 찾아보고, 가장 기본적인 활성화 함수인 Step Function을 구현해보도록 하자.
import numpy as np
'''
1. AND_gate 함수를 완성하세요.
Step01. 입력값 x1과 x2에 각각 곱해줄 가중치는
0.5, 0.5로 설정되어 있습니다.
Step02. AND_gate를 만족하는 Bias 값을
설정합니다. 여러 가지 값을 대입해보며
적절한 Bias 값을 찾아보세요.
Step03. 가중치, 입력값, Bias를 이용하여
신호의 총합을 구합니다.
Step04. Step Function 함수를 호출하여
AND_gate의 출력값을 반환합니다.
'''
def AND_gate(x1, x2):
x = np.array([x1, x2])
weight = np.array([0.5,0.5])
bias = -0.7
y = np.matmul(x, weight) + bias
return Step_Function(y)
'''
2. OR_gate 함수를 완성하세요.
Step01. 입력값 x1과 x2에 각각 곱해줄 가중치는
0.5, 0.5로 설정되어 있습니다.
Step02. OR_gate를 만족하는 Bias 값을
설정합니다. 여러 가지 값을 대입해보며
적절한 Bias 값을 찾아보세요.
Step03. 가중치, 입력값, Bias를 이용하여
신호의 총합을 구합니다.
Step04. Step Function 함수를 호출하여
OR_gate의 출력값을 반환합니다.
'''
def OR_gate(x1, x2):
x = np.array([x1, x2])
weight = np.array([0.5,0.5])
bias = -0.3
y = np.matmul(x, weight) + bias
return Step_Function(y)
'''
3. 설명을 보고 Step Function을 완성합니다.
Step01. 0 미만의 값이 들어오면 0을,
0 이상의 값이 들어오면 1을
출력하는 함수를 구현하면 됩니다.
'''
def Step_Function(y):
return 1 if y >= 0 else 0
def main():
# AND Gate와 OR Gate에 넣어줄 Input
array = np.array([[0,0], [0,1], [1,0], [1,1]])
# AND Gate를 만족하는지 출력하여 확인
print('AND Gate 출력')
for x1, x2 in array:
print('Input: ',x1, x2, ', Output: ',AND_gate(x1, x2))
# OR Gate를 만족하는지 출력하여 확인
print('\nOR Gate 출력')
for x1, x2 in array:
print('Input: ',x1, x2, ', Output: ',OR_gate(x1, x2))
if __name__ == "__main__":
main()반응형
