AND, OR, NAND 게이트 구현 (논리 회로 구현하기)

AND 논리 회로 

---

def AND(x1, x2) :
	w1, w2, theta = 0.5, 0.5, 0.7
    tmp = x1*w1 + x2*w2
    if tmp <= theta :
    	return 0
    elif tmp > theta :
    	return 1

 

- x1과 x2를 인수로 받는 함수 AND

- 매개변수 x1, x2, theta 는 함수 안에서 초기화하고, 가중치를 곱한 입력의 총합이 임계값을 넘으면 1을 반환, 그 외에는 0을 반환

 

AND(0, 0)	# 0을 출력
AND(1, 0)	# 0을 출력
AND(0, 1)	# 0을 출력
AND(1, 1)	# 1을 출력

** 편향을 이용한 방식으로 구현해보기

def AND(x1, x2) :
	x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.7
    tmp = np.sum(w*x) + b
    if tmp <= 0 :
    	return 0
    else :
    	return 1

• theta 가 -b가 되었음
• w1, w2는 각 입력 신호가 결과에 주는 영향력(중요도)을 조절하는 매개변수
• 편향은 뉴런이 얼마나 쉽게 활성화 (결과로 1을 출력)하느냐를 조정하는 매개변수
• b가 -0.1 이면 각 입력 신호에 가중치를 곱한 값들의 합이 0.1을 초과할 때만 뉴런이 활성화
• 반면 b가 -20.0 이면 각 입력 신호에 가중치를 곱한 값들의 합이 20.0을 넘지 않으면 뉴런은 활성화하지 않음
• 즉, 편향의 값은 뉴런이 얼마나 쉽게 활성화되는지 결정

 

NAND 게이트 구현

---

def NAND(x1, x2) :
	x = np.array([x1, x2])
    w = np.array([-0.5, -0.5])  # AND와는 가중치(w와 b)만 다름
    b = 0.7
    tmp = np.sum(w*x) + b
    if tmp <= 0 :
    	return 0
    else :
    	return 1

 

 

OR 게이트 구현

---

def OR(x1, x2) :
	x = np.array([x1, x2])
    w = np.array([0.5, 0.5])
    b = -0.2
    tmp = np.sum(w*x) + b
    if tmp <= 0:
    	return 0
    else :
    	return 1

 

 

• AND, NAND, OR 게이트는 모두 같은 구조의 퍼셉트론이고, 차이는 가중치와 매개변수의 값 뿐
• 실제로 파이썬으로 작성한 NAND와 OR 게이트의 코드에서도 AND 와 다른 곳은 가중치와 편향 값 설정하는 부분뿐

 

 Reference

• 밑바닥부터 시작하는 딥러닝