前面介绍过感知机算法和一些简单的 Python 实践，这些都是单层实现，感知机还可以通过叠加层来构建多层感知机。

2. 感知机算法和简单 Python 实现-CSDN博客

1. 多层感知机介绍

        单层感知机只能表示线性空间，多层感知机就可以表示非线性空间。多层感知机在理论上可以表示计算机。

2. 异或门的 Python 实现

2.1 异或门真值表达

        异或门即：两个输入信号，一个输出信号，当两个输入信号分别是 0 和 1 时候，输出 1，否则输出 0

异或门的真值表达式

	输入信号		输出信号 y
	x1	x2	异或门
1	0	0	0
2	1	0	1
3	0	1	1
4	1	1	0

2.2 Python 实现

        异或门可以认为是对一个与非门信号、一个或门信号，进行与门操作。

def AND(x1,x2):w1,w2=0.5,0.5w=np.array([w1,w2]) # 权重转换成 array 方便计算x=np.array([x1,x2]) # 输入信号转换成 array 方便计算b=-0.7 #设置偏置tmp=np.sum(w*x)+bif(tmp<=0):return(0)else:return(1)
def NAND(x1,x2):w1,w2 = -0.5,-0.5w=np.array([w1,w2]) # 权重转换成 array 方便计算x=np.array([x1,x2]) # 输入信号转换成 array 方便计算b=0.7 #设置偏置tmp=np.sum(w*x)+bif(tmp<=0):return(0)else:return(1)
def  OR(x1,x2):w1,w2 = 0.5,0.5w=np.array([w1,w2]) # 权重转换成 array 方便计算，权重和 AND 不同x=np.array([x1,x2]) # 输入信号转换成 array 方便计算b=-0.2 #设置偏置,偏置和 AND 不同tmp=np.sum(w*x)+bif(tmp<=0):return(0)else:return(1)def  XOR(x1,x2):s1=NAND(x1,x2)s2=OR(x1,x2)y=AND(s1,s2)return(y)print(XOR(0,0))
print(XOR(0,1))
print(XOR(1,0))
print(XOR(1,1))

代码结果如下