Python编程实现的简单神经网络算法示例

Python  /  管理员 发布于 7年前   181

本文实例讲述了Python编程实现的简单神经网络算法。分享给大家供大家参考，具体如下：

python实现二层神经网络

包括输入层和输出层

# -*- coding:utf-8 -*-#! python2import numpy as np#sigmoid functiondef nonlin(x, deriv = False): if(deriv == True):  return x*(1-x) return 1/(1+np.exp(-x))#input datasetx = np.array([[0,0,1],    [0,1,1],    [1,0,1],    [1,1,1]])#output datasety = np.array([[0,0,1,1]]).Tnp.random.seed(1)#init weight valuesyn0 = 2*np.random.random((3,1))-1print "测试结果："for iter in xrange(100000): l0 = x       #the first layer,and the input layer l1 = nonlin(np.dot(l0,syn0)) #the second layer,and the output layer l1_error = y-l1 l1_delta = l1_error*nonlin(l1,True) syn0 += np.dot(l0.T, l1_delta)print "outout after Training:"print l1

这里，

l0:输入层
l1:输出层
syn0:初始权值
l1_error:误差
l1_delta:误差校正系数
func nonlin:sigmoid函数

这里迭代次数为100时，预测结果为

迭代次数为1000时，预测结果为：

迭代次数为10000，预测结果为：

迭代次数为100000，预测结果为：

可见迭代次数越多，预测结果越接近理想值，当时耗时也越长。

python实现三层神经网络

包括输入层、隐含层和输出层

# -*- coding:utf-8 -*-#! python2import numpy as npdef nonlin(x, deriv = False): if(deriv == True):  return x*(1-x) else:  return 1/(1+np.exp(-x))#input datasetX = np.array([[0,0,1],    [0,1,1],    [1,0,1],    [1,1,1]])#output datasety = np.array([[0,1,1,0]]).Tsyn0 = 2*np.random.random((3,4)) - 1 #the first-hidden layer weight valuesyn1 = 2*np.random.random((4,1)) - 1 #the hidden-output layer weight valueprint "测试结果："for j in range(60000): l0 = X      #the first layer,and the input layer l1 = nonlin(np.dot(l0,syn0)) #the second layer,and the hidden layer l2 = nonlin(np.dot(l1,syn1)) #the third layer,and the output layer l2_error = y-l2  #the hidden-output layer error if(j%10000) == 0:  print "Error:"+str(np.mean(l2_error)) l2_delta = l2_error*nonlin(l2,deriv = True) l1_error = l2_delta.dot(syn1.T)  #the first-hidden layer error l1_delta = l1_error*nonlin(l1,deriv = True) syn1 += l1.T.dot(l2_delta) syn0 += l0.T.dot(l1_delta)print "outout after Training:"print l2

运行结果：

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数据结构与算法教程》、《Python编码操作技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。