1-1BP神经网络--简单代码实现

最新推荐文章于 2022-03-17 00:38:12 发布

原创最新推荐文章于 2022-03-17 00:38:12 发布 · 643 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #BP神经网络 #代码

神经网络专栏收录该内容

12 篇文章

订阅专栏

本文介绍BP神经网络的基本原理及其使用Python进行实现的方法。BP神经网络由Rumelhart等人于1986年提出，是一种常用的多层前馈神经网络。文中详细展示了如何通过Python代码实现BP神经网络，并提供了tanh和sigmoid两种激活函数及其导数的定义。

BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。

该代码不使用任何第三方深度学习工具包实现，利用Python3实现。

# -*- coding: utf-8 -*-
import numpy as np


######分别表示两种激活函数，tanh函数和sigmoid函数以及其的导数#####
# tanh函数
def tanh(x):
    return np.tanh(x)

def tanh_derivative(x):
    return 1 -  np.tanh(x) * np.tanh(x)

# sigmod函数
def logistic(x):
    return 1 / (1 + np.exp(-x))

# sigmod函数的导数
def logistic_derivative(x):
    return logistic(x) * (1 - logistic(x))


class NeuralNetwork:
    def __init__ (self, layers, activation = 'tanh'):
         # “activation”参数决定了激活函数的种类，是tanh函数还是sigmoid函数。
        if activation == 'logistic':
            self.activation = logistic
            self.activation_deriv = logistic_derivative
        elif activation == 'tanh':
            self.activation = tanh
            self.activation_deriv = tanh_derivative

点击查看完整代码