Ich erstellte unterhalb neuronalen Netzwerk für die Wahrheitstabelle für die 3-Eingangslogik UND Tor, aber die erwartete Ausgabe für die [1,1,0] ist nicht korrekt. Ausgabe sollte sein 0. Aber es sagt als 0.9 voraus, das bedeutet ungefähr 1. So ist die Ausgabe nicht korrekt. Was ich also wissen muss, ist, wie man die Ausgangsvorhersage präziser macht. Bitte führe mich.Wie bekomme ich genaue Vorhersagen von einem neuronalen Netzwerk
import numpy as np
class NeuralNetwork():
def __init__(self):
self.X = np.array([[0, 0, 0],
[0, 0, 1],
[0, 1, 0],
[0, 1, 1],
[1, 0, 0],
[1, 0, 1],
[1, 1, 1]])
self.y = np.array([[0],
[0],
[0],
[0],
[0],
[0],
[1]])
np.random.seed(1)
# randomly initialize our weights with mean 0
self.syn0 = 2 * np.random.random((3, 4)) - 1
self.syn1 = 2 * np.random.random((4, 1)) - 1
def nonlin(self,x, deriv=False):
if (deriv == True):
return x * (1 - x)
return 1/(1 + np.exp(-x))
def train(self,steps):
for j in xrange(steps):
# Feed forward through layers 0, 1, and 2
l0 = self.X
l1 = self.nonlin(np.dot(l0, self.syn0))
l2 = self.nonlin(np.dot(l1, self.syn1))
# how much did we miss the target value?
l2_error = self.y - l2
if (j % 10000) == 0:
print "Error:" + str(np.mean(np.abs(l2_error)))
# in what direction is the target value?
# were we really sure? if so, don't change too much.
l2_delta = l2_error * self.nonlin(l2, deriv=True)
# how much did each l1 value contribute to the l2 error (according to the weights)?
l1_error = l2_delta.dot(self.syn1.T)
# in what direction is the target l1?
# were we really sure? if so, don't change too much.
l1_delta = l1_error * self.nonlin(l1, deriv=True)
self.syn1 += l1.T.dot(l2_delta)
self.syn0 += l0.T.dot(l1_delta)
print("Output after training:")
print(l2)
def predict(self,newInput):
# Multiply the input with weights and find its sigmoid activation for all layers
layer0 = newInput
print("predict -> layer 0 : "+str(layer0))
layer1 = self.nonlin(np.dot(layer0, self.syn0))
print("predict -> layer 1 : "+str(layer1))
layer2 = self.nonlin(np.dot(layer1, self.syn1))
print("predicted output is : "+str(layer2))
if __name__ == '__main__':
ann=NeuralNetwork()
ann.train(100000)
ann.predict([1,1,0])
Ausgang:
Error:0.48402933124
Error:0.00603525276229
Error:0.00407346660344
Error:0.00325224335386
Error:0.00277628698655
Error:0.00245737222701
Error:0.00222508289674
Error:0.00204641406194
Error:0.00190360175536
Error:0.00178613765229
Output after training:
[[ 1.36893057e-04]
[ 5.80758383e-05]
[ 1.19857670e-03]
[ 1.85443483e-03]
[ 2.13949603e-03]
[ 2.19360982e-03]
[ 9.95769492e-01]]
predict -> layer 0 : [1, 1, 0]
predict -> layer 1 : [ 0.00998162 0.91479567 0.00690524 0.05241988]
predicted output is : [ 0.99515547]
Wird Ihre Eingabe richtig mit den Gewichten nach dem Training vorhergesagt? –
@NanduKalidindi Das ist ein Punkt, den ich klären muss, denn nach meinem Verständnis werden Gewichte automatisch generiert, um die Ausgabe genauer zu erraten. Was du hier fragst, ist mir nicht klar. Bitte korrigieren Sie mich, falls ich falsch liege. –
Ja, Sie trainieren mit den vorhandenen Eingaben, um Gewichtungen zu berechnen, die andere Werte als nur Ihre Eingaben vorhersagen können. Eine Möglichkeit, um zu überprüfen, ob Ihre Gewichte korrekt sind, besteht darin, dass Sie Ihre Methode 'ann.predict()' für alle '8' gegebenen Eingaben ausführen und die berechneten Werte mit den entsprechenden Ausgaben vergleichen. –