使用python实现简单神经网络

天在那边 2018-10-24

#coding=utf-8

import numpy as np #导入唯一的包

def sigmoid(x, deriv=False): #定义激活函数,这里可以换成其他激活函数?例如tanh/relu

if(deriv==True):

return x*(1-x) #返回导数值

else:

return 1/(1+np.exp(-x)) #返回sigmoid值

X=np.array([ [0,0,1],

[1,1,1],

[1,0,1],

[0,1,1]

]) #训练集,这里是个4*3的数据

Y = np.array([[0,1,1,0]]).T #标签

np.random.random(1) #随机种子

syn0 = np.random.random([3,1]) #生成一个随机的3*1的向量,作为初始化的权重

for i in range(100000): #设置循环次数,这里次数越大,权重训练的越好

l0 = X

y = Y

l1 = sigmoid(np.dot(X,syn0))

'''

利用dot函数用训练集乘以初始化的权重,得到一个4*1的向量,然后用sigmoid函数将网络输出做非线性化处理

'''

l1_error = y-l1

'''

计算出误差值

'''

l1_delta = l1_error*sigmoid(l1,True)

'''

当l1较大或者较小时,计算出此时输出在激活函数导函数上对应的值,这个值一定很小

'''

syn0 += np.dot(l0.T,l1_delta)

'''

调整参数

'''

l2=np.array([0,0,1]) #测试数据

l3=sigmoid(np.dot(l2,syn0)) #利用训练出来的数据对测试数据进行预测

print '网络最终的输出为:'

print l1

print '针对测试集进行预测,结果为'

print l3

``

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

使用python实现简单神经网络

相关推荐