资源描述：
《智能计算-单层感知器实验教学内容.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、智能计算-单层感知器实验精品文档实验报告2018──2019学年第二学期实验课程智能计算实验学生姓名***实验项目单层感知器学院计算机学院实验性质方向选修实验课班级学号***实验地点同组人数第组实验日期第九周星期五第9.10节成绩环境参数Window7，python一、实验目的及要求二、实验原理、实验内容三、实验仪器设备及材料四、操作方法与实验步骤五、实验数据记录及处理六、实验结果分析实验一：单层感知器1、单层感知器结构图收集于网络，如有侵权请联系管理员删除精品文档（1）输入节点：x1,x2,x3（2）输出节点：y（3）权向量：w1,w2,w3,w0
2、=1（4）偏执因子：b(x0)（5）定义激活函数：2．主要代码（1）单层感知器实现逻辑“或”importnumpyasnp#输入数据'''[d,x1,x2]d:偏置值x1:第一个输入x2:第二个输入'''X=np.array([[1,1,1],[1,1,0],[1,0,1],[1,0,0]])#标签（期望值）Y=np.array([[1],[1],收集于网络，如有侵权请联系管理员删除精品文档[1],[-1]])#权值随机初始化#W=(np.random.random([2,1])-0.5)*2#通过改变学习率观察收敛速度（迭代次数）W=np.arra
3、y([[0],[0],[0]])#激活函数defsgn(X_W):foriinrange(len(X_W)):if(X_W[i]<=0):X_W[i]=-1else:X_W[i]=1returnX_W#学习率设置（手动改变观察迭代次数变化）lr=0.1#神经网络输出O=0#更新权重函数defupdate():globalX,Y,W,lrO=sgn(np.dot(X,W))#shape:(3,1)W_C=lr*(X.T.dot(Y-O))/int(X.shape[0])#这里除"int(X.shape[0])=4"是为了取误差的平均值，当输入节点多的时
4、候要用W=W+W_Ci=0while(True):O=sgn(np.dot(X,W))if(O==Y).all():print('Finished')print("最后权值:",W.T)print('迭代次数:',i)breakupdate()i=i+1#画图importmatplotlib.pyplotasplt#正样本x1=[1,1,0]y1=[1,0,1]#负样本x2=[0]y2=[0]#计算分界线的斜率以及截距k=-W[1]/W[2]d=-W[0]/W[2]print('斜率k=',k)收集于网络，如有侵权请联系管理员删除精品文档print(
5、'截距d=',d)xdata=(-1,2)plt.figure()plt.plot(xdata,xdata*k+d,'r')plt.scatter(x1,y1,c='b')plt.scatter(x2,y2,c='y')plt.show()（2）线性神经网络引入非线性输入实现逻辑“异或”importnumpyasnp#输入数据X1=np.array([[1,1,1],[1,0,0],[1,0,1]])X2=np.array([[1,1,1],[1,0,0],[1,1,0]])#标签Y1=np.array([[-1],[-1],[1]])#为了区分我写
6、成Y1,Y2其实他们相等Y2=np.array([[-1],[-1],[1]])#权值随机初始化W1=(np.random.random([3,1])-0.5)*2W2=(np.random.random([3,1])-0.5)*2#学习率设置（手动改变观察迭代次数变化）lr=0.1#神经网络输出O=0#更新权重函数defupdate(X,Y,W):globallrO=np.dot(X,W)#shape:(3,1)W_C=lr*(X.T.dot(Y-O))/int(X.shape[0])W=W+W_CreturnWdefsolve(X,Y,W,s):
7、foriinrange(100):W=update(X,Y,W)print('Finished')print(s+"的最后权值:",W.T)#print(s+'的迭代次数:',i)returnWW1=solve(X1,Y1,W1,'一号分类器')收集于网络，如有侵权请联系管理员删除精品文档W2=solve(X2,Y2,W2,'二号分类器')#画图importmatplotlib.pyplotasplt#正样本x1=[1,0]y1=[0,1]#负样本x2=[0,1]y2=[0,1]#计算分界线的斜率以及截距k1=-W1[1]/W1[2]d1=-W1[0
8、]/W1[2]k2=-W2[1]/W2[2]d2=-W2[0]/W2[2]xdata=(-1,2)plt.f
