0

weight1、weight2、およびbiasの値を見つける方法は? 問題に対してこれら 3 つの値を見つけるための一般化された数学的方法は何ですか!

import pandas as pd


weight1 = 0.0
weight2 = 0.0
bias = 0.0

test_inputs = [(0, 0), (0, 1), (1, 0), (1, 1)]
correct_outputs = [False, False, False, True]
outputs = []

for test_input, correct_output in zip(test_inputs, correct_outputs):
    linear_combination = weight1 * test_input[0] + weight2 * test_input[1] + bias
    output = int(linear_combination >= 0)
    is_correct_string = 'Yes' if output == correct_output else 'No'
    outputs.append([test_input[0], test_input[1], linear_combination, output, is_correct_string])


num_wrong = len([output[4] for output in outputs if output[4] == 'No'])
output_frame = pd.DataFrame(outputs, columns=['Input 1', '  Input 2', '  Linear Combination', '  Activation Output', '  Is Correct'])
if not num_wrong:
    print('Nice!  You got it all correct.\n')
else:
    print('You got {} wrong.  Keep trying!\n'.format(num_wrong))
print(output_frame.to_string(index=False))
4

5 に答える 5

1

以下も私のために働いた：

weight1 = 1.5
weight2 = 1.5
bias = -2
于 2018-11-14T13:51:45.140 に答える
1

この問題では、[False, False,真偽]。このコンテキストでの「False」は、負の数の結果になります。対照的に、'True' は正の数の結果になります。したがって、次のように評価します。

x1*weight1 + x2*weight2 + bias' は正または負です

たとえば、weight1=1、weight2=1、bias=-1.1 (考えられる解決策) を設定すると、最初の入力で次のようになります。

0*1 + 0*1 + (-1.1) = -1.1 は負であり、Falseと評価されることを意味します。

次の入力用:

0*1 + 1*1 + (-1.1) = -0.1 これは負であり、Falseと評価されることを意味します

次の入力用:

1*1 + 0*1 + (-1.1) = -0.1 は負であり、Falseと評価されることを意味します。

そして最後の入力について：

1*1 + 1*1 + (-1.1) = +0.9 これは正で、Trueと評価されることを意味します

于 2018-11-05T01:55:30.547 に答える
0

X1w1 + X2W2 + バイアス テストは次のとおりです。

linear_combination >= 0

指定された入力値から:

test_inputs = [(0, 0), (0, 1), (1, 0), (1, 1)]

AND 値はテストで 1 回だけ真と計算されるため、典型的な AND 演算の出力は次のようになります。

1   1   True 
1   0   False
0   1   False
0   0   False

X1w1 + X2W2 + バイアスの式にテスト入力を入力すると、真の結果は 1 つだけになるはずです。上で述べたように、私たちのテストは、方程式の線形結合がゼロ以上でなければならないということです。テストの実行からわかるように、質問が探しているのは、この出力が1つだけ真になることだと思います。したがって、偽の値を取得するには、出力が負の計算になる必要があります。最も簡単な方法は、小さい値と負のバイアスで方程式をテストすることです。私は試した

weight1 = 1
weight2 = 1
bias = -2
于 2020-01-15T04:51:47.173 に答える