|
import numpy as np
import random
import math
from functools import reduce
class Perceptron(object):
? ? w = np.array([[1],[1]])
? ? x = np.array([[1, 1], [0, 0], [1, 0], [0, 1]])
? ? t = [1,0,0,0]
? ? x1 = np.array(x[:,0])
? ? x2 = np.array(x[:,1])
? ? e0 = 9
? ? e1 = 9
? ? eps = 1e-4
? ? abc = 0
? ? def __init__(self):
? ? ? ? self.eps = 1e-4
? ? ? ? self.a = 0.01
? ? def plus(x, y):
? ? ? ? a = list(map(lambda x: x*y,x))
? ? ? ? c = np.sum(a)
? ? ? ? return c
? ? def f(x):
? ? ? ? return 1.0 / (1 + np.exp(-x))
? ? for abc in range(1000):
? ? ? ? i=0
? ? ? ? w1 = w[0]
? ? ? ? w2 = w[1]
? ? ? ? for i in range(0,4):
? ? ? ? ? ? i = random.randint(0, 3)
? ? ? ? ? ? e0 = np.sum(2*(f(plus(w1,x1[i])-t[i])*(f(1-f(plus(w1,x1))))*x1))
? ? ? ? ? ? e1 = np.sum(2*(f(plus(w2,x2[i])-t[i])*(f(1-f(plus(w2,x2))))*x2))
? ? ? ? ? ? w1 = w1-0.1*e0
? ? ? ? ? ? w2 = w2-0.1*e1
? ? ? ? abc=abc+1
?if __name__ == '__main__':
? ? ? ? print(w1,w2 )
|