Python中的简单感知器答案

【问题标题】：Simple perceptron in PythonPython中的简单感知器
【发布时间】：2017-04-11 07:34:06
【问题描述】：

我正在用 Python 编写一个非常简单的感知器，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来遵循，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头脑风暴。但我不确定何时使用 sigmoid_derative？我了解激活功能将分为两部分：

地址：newInput= w1x1 + w2x2 + w3x3
sigmoid = 1.0/(1.0 + exp(- newInput)

然后我们将有误差函数，以便知道权重是否准确。

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

【问题讨论】：

标签： python perceptron

【解决方案1】：

这根本不是 Python 代码。据我了解，它是一种伪代码。
您的问题更多的是概念性问题，与 Python 或编码无关。因此，为了让您对此有一个清晰的认识，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。对所有输入一个时期一个时期地重复这个迭代，直到误差值低于一个合适的标记。终止算法的另一种可能方法是设置允许的最大时期数。

【讨论】：

【解决方案2】：

我希望我关于 Perceptron 的一篇文章可以帮助您获得一个清晰的概念。我的文章是“人工神经网络（感知器）检测自动驾驶汽车中的汽车/行人的直观示例”。 - 所以，基本上，这篇文章是为新手写的，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

【讨论】：