博主正在学深兰交大人工智能AI,特此做此笔记,想学的朋友可以一起学习交流,不止笔记,视频
项目:Purdue University BME595课程作业
这个项目是一位朋友向我推荐的入门学习用的,是在Github上下载的其他学生的作业,由于找不到作业要求,只有一个程序,所以每一个作业的目的,以及如何去理解这个程序都是我自己逆推出来的,加之这是一份学习笔记,我也是初学此道,是以如果出现错误以及缺漏之处,还望诸位不吝赐教。
这位老哥的程序是我找了几个做对比后,相对而言readme写的较为详尽,且程序注释较多的一个。
另外,这是我第一次写博客分享学习笔记,也不太清楚是否会构成对这个项目亦或者这个老哥的程序的侵权什么的,如果有我会立刻修改。
Homework02——Artificial Neural Network - FeedForward pass
本次作业的目的在于通过建立一个前馈神经网络模型实现对与门、或门、非门、异或门的结果输出。
代码与输出结果
# test.py from logic_gate import AND from logic_gate import XOR # Initialize 2 types of Gates And = AND() Xor = XOR() # Test cases for AND print("\nDemonstrating AND Gate functionality using FeedForward Neural Network") print("And(False, False) = %r" % And(False, False)) print("And(False, True) = %r" % And(False, True)) print("And(True, False) = %r" % And(True, False)) print("And(True, True) = %r" % And(True, True)) # Test cases for XOR print("\nDemonstrating XOR Gate functionality using FeedForward Neural Network") print("XOR(False, False) = %r" % Xor(False, False)) print(&