Академический Документы
Профессиональный Документы
Культура Документы
y = f(s)
где , – вес синапса, ; – значение смещения; – результат
суммирования; – компонент входного вектора (входной сигнал),
– выходной сигнал нейрона; – число входов нейрона; –
нелинейное преобразование (функция активации).
бу ерда w i – синапснинг оғирлиги, ; – биас қиймати; –
хатоликлар йиғинди; – кириш векторининг компоненти (кириш сигнали),
– нейроннинг чиқиш сигнали; – нейрон киришлари сони; –
чизиқли бўлмаган трансформация (фаоллаштириш функцияси).
В общем случае входной сигнал, весовые коэффициенты и смещение
могут принимать действительные значения, а во многих практических
задачах – лишь некоторые фиксированные значения. Выход y определяется
видом функции активации и может быть как действительным, так и целым.
Умумий ҳолда, кириш сигнали, оғирлик коэффитсиэнтлари ва ҳақиқий
қийматларни қабул қилиши мумкин ва кўплаб амалий масалаларда фақат
баъзи бир қўзғалмас қийматларни олади. Чиқиш y фаоллаштириш
функциясининг шакли билан аниқланади ва ҳақиқий ёки бутун сон бўлиши
мумкин.
Синаптические связи с положительными весами называют
возбуждающими, с отрицательными весами – тормозящими.
Мусбат оғирликларга эга бўлган синаптик боғланишлар қўзғатувчи,
манфий оғирликларга эга бўлганлар эса тўхтатувчи деб аталади.
Описанный вычислительный элемент можно считать упрощенной
математической моделью биологических нейронов. Чтобы подчеркнуть
различие нейронов биологических и искусственных, вторые иногда называют
нейроноподобными элементами или формальными нейронами.
Таърифланган ҳисоблаш элементини биологик нейронларнинг
соддалаштирилган математик модели деб ҳисоблаш мумкин. Биологик ва
сунъий нейронлар ўртасидаги фарқни таъкидлаш учун улар баъзан нейронга
ўхшаш элементлар ёки расмий нейронлар деб аталади.
На входной сигнал (s) нелинейный преобразователь отвечает
выходным сигналом f(s), который представляет собой выход у нейрона.
Ночизиқли ўзгартиргич кириш сигнали (s) га нейтроннинг чиқиш
сигнали f(s) билан жавоб беради.
Прямое распространение пример
1) 2)
3) 4)
5) 6)
x1 x2 y
1,2 1 5,04
1,6 1 6,32
1,5 1 6
2 1 7,6
1,9 1 7,28
2,5 1 9,2
2,4 1 8,88
2,8 1 10,16
2,5 1 9,2
3 1 10,8
data.xlsx - файл
import math
import pandas as pd
import matplotlib.pylab as plt
data_combo = pd.read_excel('data.xlsx')
x1 = list(data_combo['x1'])
x2= list(data_combo['x2'])
y= list(data_combo['y'])
yArr = []
w1_1 = w1_2 = w1_3 = w1_4 = w1_5 = w1_6 = 0
w2_1 = w2_2 = w2_3 = 0
b1=b2=b3=b4=0
tetta = 0.01
def sigmoid(y):
return 1/(1+math.exp(-y))