Python中的简单感知器

Question

我正在使用Python编写一个非常简单的感知器而没有阈值，我正在使用sigmoid函数，但我需要一个明确的指导方针，我对如何构造输出感到困惑。

Input = [(1,1,0), (0,1,0),(1,1,1),(0,0,1)]
weights = [0,0,0]
output = sigmoid(input)
sigmoid = 1.0/(1.0 + exp(- Input)
sigmoid_derative = sigmoid * (1.0 - sigmoid)

我没有在python中测试代码，但这只是我从讲座中学到的心灵风暴。但我不确定何时使用sigmoid_derative？ 我知道激活功能将包含两部分：

1. 加法器：newInput= w1x1 + w2x2 + w3x3
2. sigmoid = 1.0/(1.0 + exp(- newInput)

然后我们将使用误差函数来了解权重是否准确。

Error = 0.5 * (Target - Output)* (Target- Output)
if Error == 0 then Break;
else
Update weights.

Answer 1

1. 根本不是Python代码。据我了解，它是一种伪代码。
2. 您的问题更多是概念问题，与Python无关或编码问题。因此，为了让您清楚地了解它，您需要首先按照您的方式计算newInput。用作激活函数的sigmoid函数为您提供最终输出（实际输出）。将此输出与目标输出进行比较，以获得用于更新权重的错误值。对于所有输入时期按期限重复该迭代，直到误差值低于合适的标记。终止算法的另一种可能方法是设置允许的最大历元数。

Answer 2

我希望我的一篇关于Perceptron的文章可以帮助你弄清楚。我的文章是＆＃34;人工神经网络（感知器）的直观示例，检测来自自驾车的汽车/行人＆＃34;。 - 所以，基本上，这篇文章是为初学者写的，只是为了获得更好的直觉。这是链接：

https://www.spicelogic.com/Journal/Perceptron-Artificial-Neural-Networks-10

[] 2