Implementacja sieci neuronowej rozwiązującej bramki logiczne

Hej,

Moje zadanie brzmi:
należy zaimplementować proste sieci neuronowe (z
ustalonymi wagami) realizujące bramki logiczne: NOR oraz
NAND, a następnie na ich podstawie wygenerować wykresy
z zaznaczonymi wartościami :
Z filmów z YT wiem podstawowy algorytm wygląda tak:
x1 * w1 + xn * wn
Następnie mamy funkcje ktora sprawdza czy suma jest >=0 lub mniejsza
Teraz nie wiem jak to będzie wyglądać dla naszej bramki logicznej NAND
A B AB
0 0 1
1 0 1
0 1 1
1 1 0
Jak to teraz bedzie wygladać?
Mam rozważyć te 4 przypadki i dla kazdego wymyślić sobie wage?

http://neuralnetworksanddeeplearning.com/chap1.html#perceptrons

@lion137: Prediction (y`) = 1 if Wx+b > 0 and 0 if Wx+b ≤ 0
Wiesz moze skąd sie bierze B we wzorze?

@lion137: https://medium.com/@stanleydukor/neural-representation-of-and-or-not-xor-and-xnor-logic-gates-perceptron-algorithm-b0275375fea1

Dokładnie biore to z tej strony i jest tam wzór:
Prediction (y`) = 1 if Wx+b > 0 and 0 if Wx+b ≤ 0
skąd się bierze B dlaczego dodajemy te B?

W przypadku perceptronu niewielka różnica, (w * x >= treshold, albo w * x + b >= 0) to upraszcza sieci neuronowe.

@lion137: więc moim zadaniem jest znaleznie takich wag i takiego b dla których we wszystkich 4 przypadkach naszej bramki logczinej NAND wynik będzie sie zgadzał?
tzn:
Mamy bramke logiczną NAND:
A B AB
0 0 1
1 0 1
0 1 1
1 1 0
Algorytm perceptronu: Prediction (y`) = 1 if Wx+b > 0 and 0 if Wx+b ≤ 0
Więc moim zadaniem jest dobranie takich wag i takiego b zeby dla kazdych 4 przypadkow sie zgadzało?
Tzn przykladowo wymysle sobie wage = 2 i b = -1
to teraz po podstawieniu do wzoru:
x1w1 + x2w2 + b
dla kazdego z 4 przypadkow w naszej tabeli ten wzor musi sie zgadzac tzn dla A = 0 B = 0, x1w1 + x2w2 + b =1,

A = 1 B = 1, x1w1 + x2w2 + b =0,

Czyli moim zadaniem jest napisac algorytm ktory zwroci nam wage i b?

Nie ma sensu przepisywac podręcznika, przeczytaj uważnie podlinkowany rozdział o perceptronach, tam znajdziesz wszystko.

@lion137: Nie przepisuje, napisałem tu to co udało mi sie wywnioskować czytając rózne artykuly i chcialbym poznac odpowiedz czy moim zadaniem jest znaleznie odpowiednich wag i biasu

Nie ma sensu, żebym ja przepisywał podręcznik, przeczytaj to co podliknowałem, wytarczy, nic innego Ci o perceptronach nie napiszę.

@lion137: No dobrze, zgadzam sie, to jak teraz uwzględnić to na wykresie?

w przypadku 2 wejść, na jednej osi dajesz x1, na drugiej x2 i robisz wykres dla ustalonych wag i przesunięcia b (ang. bias).
Równanie perceptronu dla 2 wejść:
x1w1 + x2w2 + b = 0
jest równaniem prostej - jest to tzw. prosta decyzyjna, która rozdziela płaszczyznę na dwie części, po jednej stronie perceptron zawsze zwraca 1, po drugiej 0.
https://edu.pjwstk.edu.pl/wyklady/nai/scb/wyklad2/w2.htm

@Dżery: czyli mam znależć odpowiednią wage i bias dla naszej bramki logicznej NAND, dajmy na to że będzie to w1 = 1 w2 = 1 bias = 1. Więc teraz jezeli pod kazdy z naszych 4 przypadkow 00,01,10,11, podstawiamy pod wzor x1w1 + x2w2 + b uwzgledniając juz wybraną wage i bias i zwroci nam kolejno 1,1,1,0 to faktycznie wybrane przez nasz wagi i bias będą prawidłowe i będziemu musieli zrobic wykres