对NAND感知器使用简单权重(-1,-1)和偏差(2)

在大多数关于感知器的研究材料中,感知器的定义如下。

如果w.x+b<=0

(上述公式中的点“.”表示点积。)

在我看到的大多数NAND感知器示例中,NAND感知器是 定义如下:

• http://neuralnetworksanddeeplearning.com/chap1.html )
• w=[-1,-1],b=1.5(来源: http://users.monash.edu/~app/CSE5301/Lnts/LbD.pdf )
• w=[-0.6,-0.6],b=1(来源: http://toritris.weebly.com/perceptron-2-logical-operations.html )

我定义我的NAND感知器如下。

• w=[-1,-1],b=2

x0 x1 | w0 * x0 + w1 * x1 + b | output
------+-----------------------+-------
0  0  | 2                     | 1
0  1  | 1                     | 1
1  0  | 1                     | 1
1  1  | 0                     | 0

这是有效的NAND感知器吗?现有文本不使用这样简单的NAND感知器有什么具体原因吗?