最简单的二进制神经网络
来源:互联网 发布:淘宝助理教程 编辑:程序博客网 时间:2024/06/13 08:40
import numpy as np def hard_sigmoid(x): return ((x+1.)/2).clip(0,1)def binary_tanh_unit(x): return 2.*hard_sigmoid(x)-1.# input datasetX = np.array([ [0,0,1], [0,1,1], [1,0,1], [1,1,1] ]) # output dataset y = np.array([[0,0,1,1]]).T# seed random numbers to make calculation# deterministic (just a good practice)np.random.seed(1)# initialize weights randomly with mean 0syn0 = 2*np.random.random((3,1)) - 1for iter in xrange(10): # forward propagation l0 = X l1 = hard_sigmoid(np.dot(l0,syn0)) # how much did we miss? l1_error = y - l1 #print l1 # multiply how much we missed by the # slope of the sigmoid at the values in l1 l1_delta = binary_tanh_unit(l1_error) # update weights syn0 += np.dot(l0.T,l1_delta) #syn0 += binary_tanh_unit(np.dot(l0.T,l1_delta))print "Output After Training:"print l1
0 0
- 最简单的二进制神经网络
- [笔记]最简单的神经网络
- 最简单的人工神经网络实现
- 最简单的三层神经网络Matlab实现
- 最简单的全连接神经网络实现
- 实现一个最简单的神经网络
- matlab 神经网络训练与仿真 最简单的例子
- 用最简单的神经网络识别手写数字
- tensorflow学习:建立一个最简单的神经网络
- 基于RNN神经网络和BPTT算法实现的简单二进制计数器
- python实现最简单循环神经网络(RNNs)
- 神经网络的简单理解
- 神经网络的简单理解
- Tensorflow简单的神经网络
- 实现简单的神经网络
- 简单的卷积神经网络
- 简单的 二进制输出
- 二进制的简单运用
- 纠正对Fragment Transaction BackStack的误解
- jpa 分页
- popuwindow使用
- GitHub深度学习项目,你了解多少?
- maven命令
- 最简单的二进制神经网络
- 递归
- GitHub机器学习项目,你了解多少?
- POJ 3009 Curling 2.0 (dfs)
- 链式队列的实现
- 十进制的转换
- StringUtils的isBlank与isEmply详解
- 使用 策略模式 控制用户的登录与否的行为
- 互斥锁和自旋锁