Python实现单隐层神经网络

最新推荐文章于 2022-11-25 10:15:17 发布

风里寻风

最新推荐文章于 2022-11-25 10:15:17 发布

阅读量1.4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：神经网络 python

本文链接：https://blog.youkuaiyun.com/qq_24986157/article/details/50110965

该博客详细介绍了如何使用Python实现一个简单的单隐藏层神经网络，包括构造函数、激励函数、权重初始化、阈值初始化、前向传播、误差计算及反向传播等关键步骤。通过实例展示了神经网络的训练过程，以及对随机生成数据的预测测试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import random
import math
 
#---神经网络Model---
class Ann:
    #构造函数 初始化模型参数
    def __init__(self, i_num, h_num, o_num):
        #可调参数
        self.learn_rate = 0.1    #学习率
        self.num_long = 2        #输出结果位数
        self.random_long = 10    #随机种子位数
 
        #输入参数
        self.input_num = i_num   #输入层 数量
        self.hidden_num = h_num  #隐层 数量
        self.output_num = o_num  #输出层 数量
 
        #模型参数
        self.input = []          #输入层
        self.hidden = []         #隐层
        self.output = []         #输出层
        self.error = []          #误差
        self.expectation = []    #期望
        self.weight_ih = self.__ini_weight(self.input_num, self.hidden_num)   #输入层->隐层 连接权
        self.weight_ho = self.__ini_weight(self.hidden_num, self.output_num)  #隐层->输出层 连接权
        self.threshold_h = self.__ini_threshold(self.hidden_num)              #隐层 阈值
        self.threshold_o = self.__ini_threshold(self.output_num)              #输出层 阈值
 
 
    #初始连