我试图使我的程序学习或逻辑门使用神经网络和梯度下降算法。我把额外的输入神经元取为-1,这样我就可以调整神经元的阈值,以便以后激活。当前阈值仅为0。 下面是我的实现尝试
#!/usr/bin/env python
from numpy import *
def pcntrain(inp, tar, wei, eta):
for data in range(nData):
activation = dot(inp,wei)
wei += eta*(dot(transpose(inp), target-activation))
print "ITERATION " + str(data)
print wei
print "TESTING LEARNED ALGO"
# Sample input
activation = dot(array([[0,0,-1],[1,0,-1],[1,1,-1],[0,0,-1]]),wei)
print activation
nIn = 2
nOut = 1
nData = 4
inputs = array([[0,0],[0,1],[1,0],[1,1]])
target = array([[0],[1],[1],[1]])
inputs = concatenate((inputs,-ones((nData,1))),axis=1) #add bias input = -1
weights = random.rand(nIn +1,nOut)*0.1-0.05 #random weight
if __name__ == '__main__':
pcntrain(inputs, target, weights, 0.25)
这段代码似乎产生的输出看起来不像一个或门。帮忙吗?在
如果你把测试数据改成
(您的代码有0,0两次,而不是0,1)
^{pr2}$在传唤之后
^{3}$如你所愿。在
但是,您确实存在一些小错误:
一。在
相关问题 更多 >
编程相关推荐