首页 / 知识
Python实现BP神经网络
2023-11-12 13:31:00
首先实现几个工具函数:
defrand(a，b):
return(b-a)*random.random()+a
defmake_matrix(m，n，fill=0.0):#创造一个指定大小的矩阵
mat=[]
foriinrange(m):
mat.append([fill]*n)
returnmat
定义sigmod函数和它的导数:
defsigmoid(x):
return1.0/(1.0+math.exp(-x))
defsigmod_derivate(x):
returnx*(1-x)
定义BPNeuralNetwork类，使用三个列表维护输入层，隐含层和输出层神经元，列表中的元素代表对应神经元当前的输出值.使用两个二维列表以邻接矩阵的形式维护输入层与隐含层，隐含层与输出层之间的连接权值，通过同样的形式保存矫正矩阵.
定义setup方法初始化神经网络:
defsetup(self，ni，nh，no):
self.input_n=ni+1
self.hidden_n=nh
self.output_n=no
#initcells
self.input_cells=[1.0]*self.input_n
self.hidden_cells=[1.0]*self.hidden_n
self.output_cells=[1.0]*self.output_n
#initweights
self.input_weights=make_matrix(self.input_n，self.hidden_n)
self.output_weights=make_matrix(self.hidden_n，self.output_n)
#randomactivate
foriinrange(self.input_n):
forhinrange(self.hidden_n):
self.input_weights[i][h]=rand(-0.2，0.2)
forhinrange(self.hidden_n):
foroinrange(self.output_n):
self.output_weights[h][o]=rand(-2.0，2.0)
#initcorrectionmatrix
self.input_correction=make_matrix(self.input_n，self.hidden_n)
self.output_correction=make_matrix(self.hidden_n，self.output_n)
定义predict方法进行一次前馈，并返回输出:
defpredict(self，inputs):
#activateinputlayer
foriinrange(self.input_n-1):
self.input_cells[i]=inputs[i]
#activatehiddenlayer
forjinrange(self.hidden_n):
total=0.0
foriinrange(self.input_n):
total+=self.input_cells[i]*self.input_weights[i][j]
self.hidden_cells[j]=sigmoid(total)
#activateoutputlayer
forkinrange(self.output_n):
total=0.0
forjinrange(self.hidden_n):
total+=self.hidden_cells[j]*self.output_weights[j][k]
self.output_cells[k]=sigmoid(total)
returnself.output_cells[:]
定义back_propagate方法定义一次反向传播和更新权值的过程，并返回最终预测误差:
defback_propagate(self，case，label，learn，correct):
#feedforward
self.predict(case)
#getoutputlayererror
output_deltas=[0.0]*self.output_n
foroinrange(self.output_n):
error=label[o]-self.output_cells[o]
output_deltas[o]=sigmod_derivate(self.output_cells[o])*error
#gethiddenlayererror
hidden_deltas=[0.0]*self.hidden_n
forhinrange(self.hidden_n):
error=0.0
foroinrange(self.output_n):
error+=output_deltas[o]*self.output_weights[h][o]
hidden_deltas[h]=sigmod_derivate(self.hidden_cells[h])*error
#updateoutputweights
forhinrange(self.hidden_n):
foroinrange(self.output_n):
change=output_deltas[o]*self.hidden_cells[h]
self.output_weights[h][o]+=learn*change+correct*self.output_correction[h][o]
self.output_correction[h][o]=change
#updateinputweights
foriinrange(self.input_n):
forhinrange(self.hidden_n):
change=hidden_deltas[h]*self.input_cells[i]
self.input_weights[i][h]+=learn*change+correct*self.input_correction[i][h]
self.input_correction[i][h]=change
#getglobalerror
error=0.0
foroinrange(len(label)):
error+=0.5*(label[o]-self.output_cells[o])**2
returnerror
定义train方法控制迭代，该方法可以修改最大迭代次数，学习率λ，矫正率μ三个参数.
deftrain(self，cases，labels，limit=10000，learn=0.05，correct=0.1):
foriinrange(limit):
error=0.0
foriinrange(len(cases)):
label=labels[i]
case=cases[i]
error+=self.back_propagate(case，label，learn，correct)
编写test方法，演示如何使用神经网络学习异或逻辑:
deftest(self):
cases=[
[0，0]，
[0，1]，
[1，0]，
[1，1]，
]
labels=[[0]，[1]，[1]，[0]]
self.setup(2，5，1)
self.train(cases，labels，10000，0.05，0.1)
forcaseincases:
print(self.predict(case))
以上内容为大家介绍了Python实现BP神经网络，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注我们
最新内容
相关内容
python的调用绑定方法和非绑定方法
python的调用绑定方法和非绑定方法，代码，方法，实例，第一，培训，时计，奇数，偶数，参数，定义，在Python中，如果用实例去调用方法，这种限制就被称为Py
Python网络编程调用接收数据的三种
Python网络编程调用接收数据的三种方法，数据，代码，基础，通用，通讯，服务，网络，培训，方法，报文，最近在使用python进行网络编程开发一个通用的tc
Python 3.6 中针对文件系统的神奇
Python 3.6 中针对文件系统的神奇方法，数字，代码，数据，标准，信息，培训，首次，工作，文件名，常数，Python3.6首次发布于2016年，尽管它已经发布了很
Python 之模块重载的五种方法
Python 之模块重载的五种方法，环境，培训，方法，模块，文件夹，例子，下面，内容，语句，请看，python环境准备新建一个foo文件夹，其下包含一个bar.py文
使用Python的toolz库开始函数式编
使用Python的toolz库开始函数式编程，代码，函数，培训，位置，参数，字典，顺序，操作，结果，测试，toolz库允许你操作函数，使其更容易理解，更容易测试代为什么Python没有main函数？
为什么Python没有main函数？，入口，代码，灵活，函数，培训，状态，统一，项目，网上，名称，毫无疑问，Python中没有所谓的主入口函数，但是互联网上经常有文
提升Python数据分析能力的方法
提升Python数据分析能力的方法，分析，数据，工具，代码，时间，环境，报告，信息，培训，标准，1.Pandas分析包这个工具的好处是显而易见的。下面的动画
Python内置函数
Python内置函数，数字，函数，培训，位置，第一，代码，异常，数据，公式，序列，python中有许多内置函数，不像print那么广为人知，但它们却异常的强大，用好python之什么是函数式编程?
python之什么是函数式编程?，系统，概念，项目，大规模，状态，数据，培训，函数，语言，副作用，函数式编程(简称FP)是一种编程范式，其中最基本的元素是
Python的函数式
Python的函数式，名称，术语，概念，培训，函数，变量，对象，参数，希腊字母，赋值，尽管Python并不是以函数式为主的语言，但对它来说支持函数式编程也相Python中字典合并的实现方法
Python中字典合并的实现方法，培训，结果，以上，版本，字典，方法，函数，下面，背景，发现，TableofContents背景Methon1：适用于Python3.5及以上版本呢M
学习python的三种方法
学习python的三种方法，项目，代码，公司，时间，工程，培训，中级，初级，资料，第一，Python的用途十分广泛，不同的程序员将其用于不用的领域，不同的程序