11.1　神经网络实现与非门

计算机延伸出来的各种基于电路的计算模式，完成加、减、乘、除的各种计算，如果神经网络能够实现各种电路的状态和结果，就能完成计算机能完成的运算。深度学习是基于神经网络的延伸，基于神经网络和电路之间的关系，就知道其能完成计算机能完成的各种计算。

如图11-1所示，在计算机电路模拟的运算中，最根本的方式是与非门（NAND gate）的计算，这种计算模式只有两个输入x₁、x₂，输入数据x₁及x₂不都是1的时候，结果才是1；输入数据x₁及x₂的都是1的时候，结果是0。

图11-1　与非门运算

下面用神经网络实现与非门计算，如图11-2所示。

使用神经网络实现与非门。

图11-2　使用神经网络实现与非门

• 其中w₁=–2，w₂=–2，bias=3。
• 当x₁=0，x₂=0时，0 *（–2）+ 0 *（–2）+ 3=3大于0，output=1。
• 当x₁=0，x₂=1时，0 *（–2）+ 1 *（–2）+ 3=1大于0，output=1。
• 当x₁=1，x₂=0时，1 *（–2）+ 0 *（–2）+ 3=1大于0，output=1。
• 当x₁=1，x₂=1时，1 *（–2）+ 1 *（–2）+ 3=–1小于0，output=0。

我们通过简单的感知器就实现与非门的功能。