人工智能-作业2：例题程序复现

最新推荐文章于 2024-10-20 21:16:19 发布

Acen7

最新推荐文章于 2024-10-20 21:16:19 发布

阅读量251

点赞数 1

文章标签：人工智能 python 机器学习

本文链接：https://blog.csdn.net/weixin_45971559/article/details/124516856

版权

本文介绍了一个人工智能作业的程序复现，涉及sigmoid激活函数和MSE损失函数。输入值x1=0.5, x2=0.3，通过特定的初始权值，得到输出y1=0.23, y2=-0.07。参考了CSDN博主HBU_David的博客和相关在线课程资源。" 114480723,10330954,熵（Entropy）在机器学习中的应用解析,"['机器学习', '信息论', '数据挖掘']

摘要由CSDN通过智能技术生成

文章目录

- 代码参考
- 参考资料

输入值：x1, x2 = 0.5，0.3

输出值：y1, y2 =0.23， -0.07

激活函数：sigmoid

损失函数：MSE

初始权值：0.2 -0.4 0.5 0.6 0.1 -0.5 -0.3 0.8

在这里插入图片描述

代码参考

import numpy as np
 
def sigmoid(z):
    a = 1 / (1 + np.exp(-z))
    return a
 
def forward_propagate(x1, x2, y1, y2, w1, w2, w3, w4, w5, w6, w7, w8):
    in_h1 = w1 * x1 + w3 * x2
    out_h1 = sigmoid(in_h1)
    in_h2 = w2 * x1 + w4 * x2
    out_h2 = sigmoid(in_h2)
 
    in_o1 = w5 * out_h1 + w7 * out_h2
    out_o1 = sigmoid(in_o1)
    in_o2 = w6 * out_h1 + w8 * out_h2
    out_o2 = sigmoid(in_o2)
 
    print("正向计算：o1 ,o2")
    print(round(out_o1, 5), round(out_o2, 5))
 
    error = (1 / 2) * (out_o1 - y1) ** 2 + (1 / 2) * (ou