gistfile1.txt

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)))