BP神經網路解決異或問題

import numpy as np
import matplotlib.pyplot as plt
#輸入資料(4,3)
x = np.array([[1,0,0],
[1,0,1],
[1,1,0],
[1,1,1]])
#標籤y = np.array([[0,1,1,0]])
#權值初始化，1行3列，取值範圍-1到1
v = (np.random.random((3,4))-0.5)*2 #輸入層和隱藏層之間的權值（3，4）
w = (np.random.random((4,1))-0.5)*2 #隱藏層和輸出層之間的權值（4，1）
print(w)
print(v)
#學習率設定
lr = 0.11
#啟用函式sigmoid
def sigmoid(x):
return 1/(1+np.exp(-x))
#simoid求導
def dsigmoid(x):
return x*(1-x)
#權值更新
def update():
global x,y,w,v,lr
output_hidden = sigmoid(np.dot(x,v))#隱藏層的輸出（4，4）
output_output = sigmoid(np.dot(output_hidden,w))#輸出層的輸出(4,1)
#輸出層誤差訊號
output_output_delta = (y.t - output_output)*dsigmoid(output_output)
#隱藏層誤差訊號
output_hidden_delta = output_output_delta.dot(w.t)*dsigmoid(output_hidden)
#權值的增量
w_c = lr*output_hidden.t.dot(output_output_delta)#
v_c = lr*x.t.dot(output_hidden_delta)
w = w + w_c
v = v + v_c
for i in range(20000):
update()
if i%500==0:
output_hidden = sigmoid(np.dot(x,v))#隱藏層的輸出（4，4）
output_output = sigmoid(np.dot(output_hidden,w))#輸出層的輸出(4,1)
print('error',np.mean(np.abs(y.t-output_output)))
output_hidden = sigmoid(np.dot(x,v))#隱藏層的輸出（4，4）
output_output = sigmoid(np.dot(output_hidden,w))#輸出層的輸出(4,1)
print(output_output)

[[ 0.79697584]
[-0.899471  ]
[-0.03021633]
[-0.73609684]]
[[-0.83225906  0.49092062 -0.93064959  0.39906478]
[-0.4626103   0.40386656  0.90899369 -0.84416671]
[-0.12415614 -0.30768482 -0.80695638 -0.11680479]]

error 0.006722481867364967 error 0.006711968080461744 error 0.006701502339927143 error 0.006691084283599529 error 0.006680713553112746 error 0.0066703897938456425 error 0.006660112654871668 error 0.0066498817889102235 error 0.0066396968522776535 error 0.006629557504839739 error 0.006619463409965184 error 0.006609414234478989 error 0.006599409648617244 error 0.006589449325982851 error 0.006579532943500827 error 0.006569660181375644 error 0.006559830723048313 error 0.006550044255154733 error 0.006540300467484534 error 0.006530599052939871 error 0.006520939707496551 error 0.006511322130163323 error 0.006501746022944472 error 0.006492211090801057 error 0.0064827170416130505 error 0.006473263586143195 error 0.006463850438000195 error 0.006454477313602788 error 0.006445143932144832 error 0.006435850015560173 error 0.0064265952884888415 error 0.00641737947824287 error 0.006408202314773685 error 0.00639906353063903 error 0.006389962860970968 error 0.006380900043443988 error 0.006371874818244327 error 0.00636288692803846 error 0.006353936117943215 error 0.006345022135495877 [[0.00497924] [0.99446599] [0.99287581]

[0.0077072 ]]

BP神經網路解決異或問題

線性神經網路解決異或問題

線性神經網路（異或）

基於python的BP神經網路及異或實現過程解析

BP神經網路 解決異或問題

線性神經網路 解決異或問題

線性神經網路（異或）

基於python的BP神經網路及異或實現過程解析

相關推薦

BP神經網路解決異或問題

線性神經網路解決異或問題