Design Your Own Weights چالش 5 از جلسهی 29، سخت
حالا خودت وزنها را طراحی کن: شبکهای بساز که NOR را حساب کند (۱ فقط وقتی هر دو ورودی ۰ باشند). از همان forward استفاده کن. لایهی پنهان را دو نورون بگذار (مثلاً یکی OR و یکی هر چیزی) و وزنهای نورون خروجی را طوری انتخاب کن که برای [0, 0] خروجی بالای ۰.۵ و برای بقیه زیر ۰.۵ باشد. برنامه چاپ میکند all correct اگر هر چهار تصمیم درست باشد. فقط همین یک خط باید چاپ شود.
import math
def sigmoid(x):
return 1 / (1 + math.exp(-x))
def neuron(inputs, weights, b):
total = b
for i in range(len(inputs)):
total = total + inputs[i] * weights[i]
return sigmoid(total)
def forward(inputs, hidden, output):
h = [neuron(inputs, w, b) for w, b in hidden]
w, b = output
return neuron(h, w, b)
# change these weights
hidden = [([6, 6], -3), ([6, 6], -9)]
output = ([8, -8], -4)
nor_data = [([0, 0], 1), ([0, 1], 0), ([1, 0], 0), ([1, 1], 0)]
ok = True
for inputs, target in nor_data:
p = forward(inputs, hidden, output)
if (p > 0.5) != (target == 1):
ok = False
print("all correct" if ok else "not yet")
راهنما و جواب این چالش · برگشت به درس جلسهی 29: دو لایه میشود شبکه · چالش بعدی: Count the Weights
بیشتر بخوان: list comprehension در پایتون: از حلقه for تا یک خط کد