资源简介
自己写的,编程渣渣,写的很乱,但也基本实现了,仅供参考。有朋友可以联系我相互讨论学习,
![](http://www.nz998.com/pic/59741.jpg)
代码片段和文件信息
import math
import random
import numpy as np
random.seed(0)
def rand(a b):
return (b - a) * random.random() + a
def make_matrix(m n fill=0.0):
mat = []
for i in range(m):
mat.append([fill] * n)
return mat
def sigmoid(x):
return 1.0 / (1.0 + math.exp(-x))
def sigmoid_derivative(x):
return x * (1 - x)
class BPNeuralNetwork:
def __init__(self):
self.input_n = 0
self.hidden_n = 0
self.output_n = 0
self.input_cells = []
self.hidden_cells = []
self.output_cells = []
self.input_weights = []
self.output_weights = []
self.input_correction = []
self.output_correction = []
def setup(self ni nh no):
self.input_n = ni
self.hidden_n = nh
self.output_n = no
# init cells
self.input_cells = [1.0] * self.input_n
self.hidden_cells = [1.0] * self.hidden_n
self.output_cells = [1.0] * self.output_n
# init weights
self.input_weights = make_matrix(self.input_n self.hidden_n)
self.output_weights = make_matrix(self.hidden_n self.output_n)
# random activate
# for i in range(self.input_n):
# for h in range(self.hidden_n):
# self.input_weights[i][h] = rand(-0.2 0.2)
# for h in range(self.hidden_n):
# for o in range(self.output_n):
# self.output_weights[h][o] = rand(-2.0 2.0)
# init correction matrix
self.input_correction = make_matrix(self.input_n self.hidden_n)
self.output_correction = make_matrix(self.hidden_n self.output_n)
def predict(self inputs):
# activate input layer
for i in range(self.input_n - 1):
print(inputs[i])
self.input_cells[i] = inputs[i]
# activate hidden layer
for j in range(self.hidden_n):
total = 0.0
for i in range(self.input_n):
total += self.input_cells[i] * self.input_weights[i][j]
self.hidden_cells[j] = sigmoid(total)
# activate output layer
for k in range(self.output_n):
total = 0.0
for j in range(self.hidden_n):
total += self.hidden_cells[j] * self.output_weights[j][k]
self.output_cells[k] = sigmoid(total)
return self.output_cells[:]
def predict1(self inputsinput_weightsoutput_weights):
# activate input layer
for i in range(self.input_n - 1):
print(inputs[i])
self.input_cells[i] = inputs[i]
# activate hidden layer
for j in range(self.hidden_n):
total = 0.0
for i in range(self.input_n):
total += self.input_cells[i] * input_weights[i][j]
self.hidden_cells[j] = sigmoid(total)
# activate output layer
for k in range(self.output_n):
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 5841 2019-03-08 14:36 PSO_BP\bp.py
文件 3637 2019-03-08 14:41 PSO_BP\pso_1.py
文件 117 2019-03-08 16:59 PSO_BP\新建文本文档.txt
目录 0 2019-03-08 16:57 PSO_BP
----------- --------- ---------- ----- ----
9595 4
- 上一篇:基于Python专业网络爬虫的设计与实现
- 下一篇:5652华尔街见闻.py
相关资源
- pywin32_python3.6_64位
- python+ selenium教程
- PycURL(Windows7/Win32)Python2.7安装包 P
- 英文原版-Scientific Computing with Python
- 7.图像风格迁移 基于深度学习 pyt
- 基于Python的学生管理系统
- A Byte of Python(简明Python教程)(第
- Python实例174946
- Python 人脸识别
- Python 人事管理系统
- 基于python-flask的个人博客系统
- 计算机视觉应用开发流程
- python 调用sftp断点续传文件
- python socket游戏
- 基于Python爬虫爬取天气预报信息
- python函数编程和讲解
- Python开发的个人博客
- 基于python的三层神经网络模型搭建
- python实现自动操作windows应用
- python人脸识别(opencv)
- python 绘图(方形、线条、圆形)
- python疫情卡UN管控
- python 连连看小游戏源码
- 基于PyQt5的视频播放器设计
- 一个简单的python爬虫
- csv文件行列转换python实现代码
- Python操作Mysql教程手册
- Python Machine Learning Case Studies
- python获取硬件信息
- 量化交易(附python常见函数的使用方
评论
共有 条评论