本人是研一学生一枚,导师做图像方向。这是我的机器学习课程的作业,实现用Python语言搭建一个简单的神经网络模型,只有全连接层,激活函数是sigmoid,有问题欢迎批评指正。
#coding=utf-8
import numpy as np
import random
# 采用西瓜数据集,将离散的性质用数字表示,色泽分为{浅白,青绿,乌黑},分别表示为{0,1,2},根蒂分为{硬挺,稍蜷,蜷缩},敲声分为{清脆,浊响,沉闷},
# 纹理分为{模糊,稍糊,清晰},脐部分为{平坦,稍凹,凹陷},触感分为{软粘,硬滑},所有的数据集如下:
'''Layer类组成神经网络,是运算的实际执行者'''
class Layer():
def __init__(self,size):
self.inputdata=np.zeros(size[0]) # 该层的输入值
self.outputdata=np.zeros(size[1]) # 该层的输出值
self.weight = np.random.rand(size[0],size[1])-0.5 # 初始化该层的权重,采用随机生成小数的方式
def forward(self,inputdata): # 前向传播函数
self.inputdata=inputdata # 保存输入值,用于反向传播
self.outputdata=1 / (1 + np.exp(-(np.dot(self.inputdata, self.weight)))) # 计算输出值,激活函数采用sigmoid
return self.outputdata
def backward(self,error): # 反向传播函数
delta=error* self.outputdata * (1 - self.outputdata) # 计算上层传递的输出