앞선 실습에서는 가중치(Weight), Bias, Step Function을 이용하여 단층 퍼셉트론인 AND gate와 OR gate를 구현해보았다.
이번 실습에서는 가중치와 Bias 값을 조정해보며 동일한 단층 퍼셉트론 NAND gate와 NOR gate를 구현해보도록 하자.
import numpy as np
'''
1. NAND_gate 함수를 완성하세요.
Step01. 이전 실습을 참고하여 입력값 x1과 x2를
Numpy array 형식으로 정의한 후, x1과 x2에
각각 곱해줄 가중치도 Numpy array 형식으로
적절히 설정해주세요.
Step02. NAND_gate를 만족하는 Bias 값을
적절히 설정해주세요.
Step03. 가중치, 입력값, Bias를 이용하여
가중 신호의 총합을 구합니다.
Step04. Step Function 함수를 호출하여
NAND_gate의 출력값을 반환합니다.
'''
def NAND_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. NOR_gate 함수를 완성하세요.
Step01. 마찬가지로 입력값 x1과 x2를 Numpy array
형식으로 정의한 후, x1과 x2에 각각 곱해줄
가중치도 Numpy array 형식으로 적절히 설정해주세요.
Step02. NOR_gate를 만족하는 Bias 값을
적절히 설정해주세요.
Step03. 가중치, 입력값, Bias를 이용하여
가중 신호의 총합을 구합니다.
Step04. Step Function 함수를 호출하여
NOR_gate의 출력값을 반환합니다.
'''
def NOR_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.
앞 실습에서 구현한 함수를 그대로
사용할 수 있습니다.
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():
# NAND와 NOR Gate에 넣어줄 Input
array = np.array([[0,0], [0,1], [1,0], [1,1]])
# NAND Gate를 만족하는지 출력하여 확인
print('NAND Gate 출력')
for x1, x2 in array:
print('Input: ',x1, x2, ' Output: ',NAND_gate(x1, x2))
# NOR Gate를 만족하는지 출력하여 확인
print('\nNOR Gate 출력')
for x1, x2 in array:
print('Input: ',x1, x2, ' Output: ',NOR_gate(x1, x2))
if __name__ == "__main__":
main()반응형
