Created
June 21, 2017 06:48
-
-
Save anonymous/93cb21761ae4748f0315f4fa315ec965 to your computer and use it in GitHub Desktop.
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
from random import choice # zwraca losowy element z listy | |
from numpy import array # macierz (typ danych) | |
from numpy import dot # iloczyn skalarny | |
from numpy import random # losowanie macierzy (niestety konflikt nazw) | |
dane_treningowe = [ # modelujemy AND | |
[array([1, 0, 0]), 0], # pierwszy element to wzbudzenie, zawsze równy 1 | |
(array([1, 1, 1]), 1), | |
(array([1, 1, 0]), 1), | |
(array([1, 0, 1]), 1), | |
] | |
pamiec = random.rand(3) # losuję trzyelementową macierz (typ array) | |
wsp_ucz = 0.2 # współczynnik uczenia | |
ile = 100 # liczba powtórzeń uczenia | |
def proguj(liczba): | |
if liczba < 0: | |
return 0 | |
return 1 | |
# uczenie: | |
bledy = [] | |
for i in range(ile): | |
dane, spodziewane = choice(dane_treningowe) # losuję zestaw uczący | |
wynik = dot(pamiec, dane) # iloczyn skalarny dwóch wektorów - pamięci i danych | |
error = spodziewane - proguj(wynik) # obliczenie błędu - jesli różne od 0, to trzeba poprawić pamięć | |
bledy.append(error) | |
pamiec += wsp_ucz * error * dane # jesli error != 0 to dodamy do wektora pamięci wektor powstały z takiego mnożenia (bo dane to wektor, a reszta to liczby) | |
for dane, odrzut in dane_treningowe: | |
wynik = dot(dane, pamiec) | |
print("{}: {} -> {}".format(dane[1:], wynik, proguj(wynik))) |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment