مثال تابع (هوش مصنوعی با پایتون): def train_step(inputs, target, weights, b, …
مثال 4 از درس جلسهی 27 آموزش هوش مصنوعی برای نوجوانان با پایتون: نورون سیگموید
چرا این بهتر است؟ چون میشود یادش داد! خطای نورون output - target است (هدف ۰ یا ۱). قاعدهی بهروزرسانی، تقریباً همان جلسهی ۲۵ است: هر وزن را به اندازهی lr * error * input کم کن. (در نسخهی دقیق یک ضریب output * (1 - output) هم هست که شیب سیگموید را حساب میکند؛ ما نسخهی ساده را مینویسیم که برای نمونههای کوچک خوب کار میکند.)
def train_step(inputs, target, weights, b, lr):
output = neuron(inputs, weights, b)
error = output - target
for i in range(len(weights)):
weights[i] = weights[i] - lr * error * inputs[i]
b = b - lr * error
return weights, b
این کد را همینجا در ویرایشگر پایتون اجرا کن، عددها و متنهایش را عوض کن و دوباره اجرا کن تا ببینی چه تغییری میکند.
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال
← مثال قبلی · برگشت به درس جلسهی 27: نورون سیگموید · مثال بعدی → · چالشهای این جلسه