Einfaches neuronales Netzwerk in Julia

Question

Ich versuche, Code aus diesem tutorial auf Python zu Julia umschreiben und bekomme ein unerwartetes Ergebnis - [0.5; 0.5; 0.5; 0.5] Ich schaue auf die Linie wieder und wieder, aber sehe keinen Unterschied.

Python-Code:

from numpy import exp, array, random, dot 
training_set_inputs = array([[0, 0, 1], [1, 1, 1], [1, 0, 1], [0, 1, 1]]) 
training_set_outputs = array([[0, 1, 1, 0]]).T 
random.seed(1) 
synaptic_weights = 2 * random.random((3, 1)) - 1 
for iteration in xrange(10000): 
    output = 1/(1 + exp(-(dot(training_set_inputs, synaptic_weights)))) 
    synaptic_weights += dot(training_set_inputs.T, (training_set_outputs - output) * output * (1 - output)) 
print 1/(1 + exp(-(dot(array([1, 0, 0]), synaptic_weights)))) 

Meine julia Code:

function activate(x) 
    return 1./(1+exp(-x)) 
end 

function g_activate(x) 
    return x.*(1-x) 
end 

function test(iter) 

Input = [0 0 1;0 1 1;1 0 1;1 1 1] 
TInput = transpose(Input) 
Test = [0, 1, 1, 0] 
Weights = 2 * rand(3, 1) - 1 

for i in 1:iter 

output = activate(Input*Weights) 
error = Test - output 
delta = error.*g_activate(output) 
Weights += TInput*delta 

end 

println(activate(Input*Weights)) 
end 

Was ich tue, falsch und wie es noch mehr idiomatischer Weg in Julia

Answer 1

Sie verwenden falsche Eingangsdaten in Julia Code. den Python Beispiel übereinstimmen sollte

Input = [0 0 1;0 1 1;1 0 1;1 1 1] 

Input = [0 0 1;1 1 1;1 0 1;0 1 1] 

sein Das ist, was ich mit korrigierten Eingang bekommen:

julia> test(10000) 
[0.00966854; 0.992117; 0.993589; 0.00786553] 

Und wenn ich Python-Code mit training_set_inputs = array([[0, 0, 1], [0, 1, 1], [1, 0, 1], [1, 1, 1]]) renne ich m bekommen [ 0.5].