import math
inp = 0.1
target = 0.3
weight = 0.04
learning_rate = 1
bias = 0
def sigmoid(x):
return (1/1+(math.e**(-x)))
for count in range(10):
net = (weight*inp)+(bias*1)
out = sigmoid(net)
error_total = 0.5*((target - out)**2)
print('error',error_total,'|| output',out,'|| weight',weight)
adjustment = (out - target)*(out)*(1 - out)*(inp)
weight = weight - (learning_rate*(adjustment))
AusgangNeuronales Netz prognostiziert schlecht mit einem Neuron
error 1.4382215499593243 || output 1.9960079893439915 || weight 0.04
error 1.3827597601324302 || output 1.9629851232842885 || weight 0.3771731560625728
error 1.3336445885853887 || output 1.9331837548698485 || weight 0.6915314696982848
error 1.2897634204261337 || output 1.9060905456580794 || weight 0.9861603791287348
error 1.2502583453938265 || output 1.8813022136162503 || weight 1.2635467711722324
error 1.2144557693222424 || output 1.8584965635651831 || weight 1.5257260148874747
error 1.1818184468701014 || output 1.8374124019729394 || weight 1.7743861541249517
error 1.1519119478941984 || output 1.8178352663541577 || weight 2.0109434853536103
error 1.1243806861957226 || output 1.7995870672926748 || weight 2.2365985045783425
error 1.0989304444985601 || output 1.7825184278777517 || weight 2.4523780684160923
in meinem neuronales Netzwerk möchte ich auf einzelnen Eingang einen einzigen Ausgang vorherzusagen i durch Vorspannungseinstelldioden tryed und Rate auf unterschiedliche Werte zu lernen, aber von nicht verwenden
und die Gewichte geht auf die Erhöhung und die Fehlerrate abnehmend aber das Netzwerk konnte nicht Ziel
Sollte die Lernrate kleiner als 1 sein? – Aaron
danke für deine Hilfe @avysk –