جواب «Design Your Own Weights» چالش 5 از جلسهی 29
سؤال
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.
راهنما
NOR یعنی «OR نه». نورون پنهان اول OR را میسازد؛ کافی است نورون خروجی به آن وزن منفی بزرگ بدهد و بایاس مثبت: مثلاً ([-8, 0], 4).
یک جواب درست
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)
hidden = [([6, 6], -3), ([6, 6], -9)]
output = ([-8, 0], 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")
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن