神经网络--单层感知器

本文主要是介绍神经网络--单层感知器，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

python 代码

import numpy as np
import matplotlib.pyplot as plt#输入数据
X = np.array([[1,2,4],[1,3,3],[1,5,2],[1,1,2],[1,1,3],[1,2,1]])
#标签
Y = np.array([1,1,1,-1,-1,-1] )
#权值初始化，1行3列，取值范围-1到1
W = (np.random.random(3)-0.5)*2
print(W)
#学习率设置
lr = 0.5
#神经网络输出
O = 0
n=0
X.shape[0]def update():global X,Y,W,lr,n,On+=1O = np.sign(np.dot(X,W.T))#print('mat:O')#print(O)#print(Y-O)W_C = lr*((Y-O).dot(X))/int(X.shape[0])W = W + W_Cfor _ in range(1000):update()#更新权值#print(W)#打印当前权值#print(n)#打印迭代次数#O = np.sign(np.dot(X,W.T))#计算当前输出if(O == Y.T).all(): #如果实际输出等于期望输出，模型收敛，循环结束print(W)print('loop:',n)print('Finished')break#正样本
row=X.shape[0]
half=int(row/2)x1 = X[0:half,1]
y1 = X[0:half,2]
#负样本
x2 = X[half:row,1]
y2 = X[half:row,2]#计算分界线的斜率以及截距
k = -W[1]/W[2]
d = -W[0]/W[2]
print('k=',k)
print('d=',d)xdata = np.linspace(0,5)plt.figure()
plt.plot(xdata,xdata*k+d,'r')
plt.plot(x1,y1,'bo')
plt.plot(x2,y2,'yo')
plt.show()

输出：

[-0.68791     0.26176538  0.22569507]
[-4.68791     1.26176538  0.5590284 ]
loop: 39
Finished
k= -2.257068484812345
d= 8.385817265458877

这篇关于神经网络--单层感知器的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---