xor.py [2 KB]
xor.png [15 KB]
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 | # 뉴론의 출력 계산 함수 def calculate(input): global weights global bias activation = bias # 바이어스 for i in range(2): # 입력신호 총합 계산 activation += weights[i] * input[i] if activation >= 0.0: # 스텝 활성화 함수 return 1.0 else: return 0.0 # 학습 알고리즘 def train_weights(X, y, l_rate, n_epoch): global weights global bias for epoch in range(n_epoch): # 에포크 반복 sum_error = 0.0 for row, target in zip(X, y): # 데이터셋을 반복 actual = calculate(row) # 실제 출력 계산 error = target - actual # 실제 출력 계산 bias = bias + l_rate * error sum_error += error**2 # 오류의 제곱 계산 for i in range(2): # 가중치 변경 weights[i] = weights[i] + l_rate * error * row[i] print(weights, bias) print('에포크 번호=%d, 학습률=%.3f, 오류=%.3f' % (epoch, l_rate, sum_error)) return weights # XOR 연산 학습 데이터셋 # 샘플과 레이블이다. X = [[0,0],[0,1],[1,0],[1,1]] y = [0, 1, 1, 0] weights = [0.0, 0.0] bias = 0.0 l_rate = 0.1 # 학습률 n_epoch = 100 # 에포크 횟수 weights = train_weights(X, y, l_rate, n_epoch) print(weights, bias) | cs |
| |||||||||||||||||||||||||||||||||||
인공지능 실습