本文主要是介绍单层感知器介绍程序，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
人体神经网络
单层感知器
举例
感知器学习规则
学习率
模型收敛条件
import numpy as np
import matplotlib.pyplot as plt
#输入数据
X = np.array([[1,3,3],[1,4,3],[1,1,1],[1,0,2]])
#标签
Y = np.array([[1],[1],[-1],[-1]])#权值初始化，3行1列，取值范围-1到1
W = (np.random.random([3,1])-0.5)*2print(W)
#学习率设置
lr = 0.11
#神经网络输出
O = 0#更新权值
def update():global X,Y,W,lrO = np.sign(np.dot(X,W)) # shape:(3,1)W_C = lr*(X.T.dot(Y-O))/int(X.shape[0])W = W + W_C
for i in range(100):update()#更新权值print(W)#打印当前权值print(i)#打印迭代次数O = np.sign(np.dot(X,W))#计算当前输出 if(O == Y).all(): #如果实际输出等于期望输出，模型收敛，循环结束print('Finished')print('epoch:',i)break#画图
#正样本
x1 = [3,4]
y1 = [3,3]
#负样本
x2 = [1,0]
y2 = [1,2]#计算分界线的斜率以及截距
#w0+x*w1+y*w2=0
k = -W[1]/W[2]
d = -W[0]/W[2]
print('k=',k)
print('d=',d)xdata = (0,5)plt.figure()
plt.plot(xdata,xdata*k+d,'r')
plt.scatter(x1,y1,c='b')
plt.scatter(x2,y2,c='y')
plt.show()
这篇关于单层感知器介绍程序的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
