3

バックプロパゲーションを使用して多層パーセプトロンを実装しようとしていますが、それでも彼に XOR を教えることはできません。数学の範囲エラーもよく発生します。ルールとエラー逆伝播法を学ぶために本とグーグルを調べましたが、それでも自分の間違いがどこにあるのかわかりません

def logsig(net):
    return 1/(1+math.exp(-net))

def perceptron(coef = 0.5, iterations = 10000):
    inputs = [[0,0],[0,1],[1,0],[1,1]]
    desiredOuts = [0,1,1,0]
    bias = -1
    [input.append(bias) for input in inputs] 
    weights_h1 = [random.random() for e in range(len(inputs[0]))]
    weights_h2 = [random.random() for e in range(len(inputs[0]))]
    weights_out = [random.random() for e in range(3)]
    for itteration in range(iterations):
        out = [] 
        for input, desiredOut in zip(inputs, desiredOuts):
              #1st hiden neuron
            net_h1 = sum(x * w for x, w in zip(input, weights_h1)) 
            aktivation_h1 = logsig(net_h1)
              #2st hiden neuron
            net_h2 = sum(x * w for x, w in zip(input, weights_h2))
            aktivation_h2 = logsig(net_h2)
              #output neuron
            input_out = [aktivation_h1, aktivation_h2, bias]
            net_out = sum(x * w for x, w in zip(input_out, weights_out))
            aktivation_out = logsig(net_out)            
              #error propagation        
            error_out = (desiredOut - aktivation_out) * aktivation_out * (1-    aktivation_out)
            error_h1 = aktivation_h1 * (1-aktivation_h1) * weights_out[0] * error_out
            error_h2 = aktivation_h2 * (1-aktivation_h2) * weights_out[1] * error_out
              #learning            
            weights_out = [w + x * coef * error_out for w, x in zip(weights_out, input_out)]
            weights_h1 = [w + x * coef * error_out for w, x in zip(weights_h1, input)]
            weights_h2 = [w + x * coef * error_out for w, x in zip(weights_h2, input)]            
            out.append(aktivation_out) 
    formatedOutput = ["%.2f" % e for e in out]
    return formatedOutput
4

2 に答える 2

0

数学範囲エラーは、math.exp(-net) の計算に起因している可能性があります。ネットが大きな負の数の場合です。

于 2013-05-21T16:37:20.173 に答える