感知机学习python 神经网络设计教材P43
2014-07-02 22:32
246 查看
# -*- coding: utf-8 -*-
"""
Created on Tue Jul 01 16:30:35 2014
@author: Administrator
"""
import numpy as np
b=0.5 #偏置值
x=np.array([[1,1,-1,-1],[1,1,1,-1]]) #输入向量
d=np.array([0,1]) #目标输出
w=np.array([b,0.5,-1,-0.5]) #预置权值
def sgn(v): #构建hardlim函数
if v>0:
return 1
else:
return 0
def comy(myw,myx): #计算神经元输出
return sgn(np.dot(myw,myx.T))
def neww(oldw,myd,myx): #权舆修正 学习速度没有设定 这里设为1
return oldw+(myd-comy(oldw,myx))*myx
j=0
while True:
i=0
for xn in x:
w=neww(w,d[i],xn)
print w #查看权值变化过程
i+=1
j+=1
if j>20:break
for xn in x:#从结果上看三次就收敛了
print xn
print "=>%d" %comy(w,xn)
"""
Created on Tue Jul 01 16:30:35 2014
@author: Administrator
"""
import numpy as np
b=0.5 #偏置值
x=np.array([[1,1,-1,-1],[1,1,1,-1]]) #输入向量
d=np.array([0,1]) #目标输出
w=np.array([b,0.5,-1,-0.5]) #预置权值
def sgn(v): #构建hardlim函数
if v>0:
return 1
else:
return 0
def comy(myw,myx): #计算神经元输出
return sgn(np.dot(myw,myx.T))
def neww(oldw,myd,myx): #权舆修正 学习速度没有设定 这里设为1
return oldw+(myd-comy(oldw,myx))*myx
j=0
while True:
i=0
for xn in x:
w=neww(w,d[i],xn)
print w #查看权值变化过程
i+=1
j+=1
if j>20:break
for xn in x:#从结果上看三次就收敛了
print xn
print "=>%d" %comy(w,xn)
相关文章推荐
- Deep Learning 学习笔记(二):神经网络Python实现
- 神经网络设计的学习笔记
- 人人都能用Python写出LSTM-RNN的代码![你的神经网络学习最佳起步]
- 神经网络与深度学习 1.6 使用Python实现基于梯度下降算法的神经网络和MNIST数据集的手写数字分类程序
- 【用Python学习Caffe】4. 设计自己的网络结构
- 人人都能用Python写出LSTM-RNN的代码![你的神经网络学习最佳起步]
- (转)神经网络和深度学习简史(第一部分):从感知机到BP算法
- 人人都能用Python写出LSTM-RNN的代码![你的神经网络学习最佳起步]
- 深度学习笔记二:多层感知机(MLP)与神经网络结构
- Google地图发布基于python的神经网络学习模型,自动高效高准确度的从带有地理定位信息的图像文件中提取信息
- 人人都能用Python写出LSTM-RNN的代码![你的神经网络学习最佳起步]
- 【Python开发】【神经网络与深度学习】网络爬虫之图片自动下载器
- 【神经网络与深度学习】【Python开发】Caffe配置 windows下怎么安装protobuf for python
- Python实现深度学习之-神经网络识别手写数字(更新中,更新日期:2017-07-12)
- 神经网络学习笔记(六):感知机收敛定理
- 人人都能用Python写出LSTM-RNN的代码![你的神经网络学习最佳起步]
- 神经网络学习笔记(一) 单层感知机
- 【Python开发】【神经网络与深度学习】网络爬虫之python实现
- 神经网络之多层感知机MLP的实现(Python+TensorFlow)
- 人人都能用Python写出LSTM-RNN的代码![你的神经网络学习最佳起步]