Page 198 - python

172

for i in range(4):

for j in range(len(X1)):
counter+=1
x1 = X1[j] ; x2 = X2[j] ; y = Y[j]
y2 = F(x1, x2, y, w1, w2,theta)

E = y - y2
dw1 = alpha*(y-y2)*x1
dw2 = alpha*(y-y2)*x2

dtheta = -alpha * (y-y2)
theta+=dtheta
w1 += dw1
w2 += dw2
print("%d)\t%d\t%d\t%d\t%d\t%d\t%.2f\t%.2f\t%.2f\t%.2f\t%.2f\t%.2f"%\

(counter,x1,x2,y,y2,E, w1,dw1,w2,dw2,theta,dtheta))

ผลลัพธ

=============================================================================================
n x1 x2 y y' E w1 dw1 w2 dw2 theta dtheta
=============================================================================================
1) 0 0 0 0 0 0.50 0.00 2.50 0.00 1.00 -0.00
2) 0 1 0 1 -1 0.50 -0.00 2.30 -0.20 1.20 0.20
3) 1 0 0 0 0 0.50 0.00 2.30 0.00 1.20 -0.00
4) 1 1 1 1 0 0.50 0.00 2.30 0.00 1.20 -0.00
5) 0 0 0 0 0 0.50 0.00 2.30 0.00 1.20 -0.00
6) 0 1 0 1 -1 0.50 -0.00 2.10 -0.20 1.40 0.20
7) 1 0 0 0 0 0.50 0.00 2.10 0.00 1.40 -0.00
8) 1 1 1 1 0 0.50 0.00 2.10 0.00 1.40 -0.00
9) 0 0 0 0 0 0.50 0.00 2.10 0.00 1.40 -0.00
10) 0 1 0 1 -1 0.50 -0.00 1.90 -0.20 1.60 0.20
11) 1 0 0 0 0 0.50 0.00 1.90 0.00 1.60 -0.00
12) 1 1 1 1 0 0.50 0.00 1.90 0.00 1.60 -0.00
13) 0 0 0 0 0 0.50 0.00 1.90 0.00 1.60 -0.00
14) 0 1 0 1 -1 0.50 -0.00 1.70 -0.20 1.80 0.20
15) 1 0 0 0 0 0.50 0.00 1.70 0.00 1.80 -0.00
16) 1 1 1 1 0 0.50 0.00 1.70 0.00 1.80 -0.00

12.11 การสรางโมเดลจากโครงขายประสาทเทียมที่สรางขึ้น
จากตาราง 12.6 พบวาคาน้ําหนัก w1 และ w2 ที่ไมมีการเปลี่ยนแปลงในรอบที่ 16 เปนตนไป
ี
ั

่

ดงนน สูตรทไดจากการเทรนโมเดลนิวรอนเน็ตเวอรคแบบ backpropagation มีคา w1 = 0.5 และ w2 =
ั
้
ื่
1.7 และคา theta = 1.80 นํามาสรางเปนสมการเพอแกปญหา And Gate ไดดังนี้