本文實例為大家分享了Python實現感知器模型、兩層神經網絡，供大家參考，具體內容如下

python 3.4 因為使用了 numpy

這里我們首先實現一個感知器模型來實現下面的對應關系

[[0,0,1], ——- 0
[0,1,1], ——- 1
[1,0,1], ——- 0
[1,1,1]] ——- 1

從上面的數據可以看出：輸入是三通道，輸出是單通道。

這里的激活函數我們使用 sigmoid 函數 f(x)=1/(1+exp(-x))

其導數推導如下所示:

L0=W*X;
z=f(L0);
error=y-z;
delta =error * f'(L0) * X;
W=W+delta;

python 代碼如下：

import numpy as np#sigmoid functiondef nonlin(x, deriv = False):  if(deriv==True):    return x*(1-x)  return 1/(1+np.exp(-x))# input datasetX=np.array([[0,0,1],      [0,1,1],      [1,0,1],      [1,1,1]])# output datasety=np.array([[0,1,0,1]]).T#seed( ) 用于指定隨機數生成時所用算法開始的整數值，#如果使用相同的seed( )值，則每次生成的隨即數都相同，#如果不設置這個值，則系統根據時間來自己選擇這個值，#此時每次生成的隨機數因時間差異而不同。np.random.seed(1)  # init weight value with mean 0syn0 = 2*np.random.random((3,1))-1   for iter in range(1000):  # forward propagation  L0=X  L1=nonlin(np.dot(L0,syn0))  # error  L1_error=y-L1  L1_delta = L1_error*nonlin(L1,True)  # updata weight  syn0+=np.dot(L0.T,L1_delta)print("Output After Training:")print(L1)

從輸出結果可以看出基本實現了對應關系。

下面再用兩層網絡來實現上面的任務，這里加了一個隱層，隱層包含4個神經元。

import numpy as npdef nonlin(x, deriv = False):  if(deriv == True):    return x*(1-x)  else:    return 1/(1+np.exp(-x))#input datasetX = np.array([[0,0,1],       [0,1,1],       [1,0,1],       [1,1,1]])#output datasety = np.array([[0,1,1,0]]).T#the first-hidden layer weight valuesyn0 = 2*np.random.random((3,4)) - 1 #the hidden-output layer weight valuesyn1 = 2*np.random.random((4,1)) - 1 for j in range(60000):  l0 = X        #the first layer,and the input layer   l1 = nonlin(np.dot(l0,syn0))   #the second layer,and the hidden layer  l2 = nonlin(np.dot(l1,syn1))   #the third layer,and the output layer  l2_error = y-l2      #the hidden-output layer error  if(j%10000) == 0:    print "Error:"+str(np.mean(l2_error))  l2_delta = l2_error*nonlin(l2,deriv = True)  l1_error = l2_delta.dot(syn1.T)     #the first-hidden layer error  l1_delta = l1_error*nonlin(l1,deriv = True)  syn1 += l1.T.dot(l2_delta)  syn0 += l0.T.dot(l1_delta)print "outout after Training:"print l2

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林站長站。