matlab - reconocimiento - explicación del código de la red neuronal

redes neuronales convolucionales matlab

Question

La siguiente es una implementación de un Perceptron simple suministrado en un blog .

input = [0 0; 0 1; 1 0; 1 1];
numIn = 4;
desired_out = [0;1;1;1];
bias = -1;
coeff = 0.7;
rand(''state'',sum(100*clock));
weights = -1*2.*rand(3,1);

iterations = 10;

for i = 1:iterations
     out = zeros(4,1);
     for j = 1:numIn
          y = bias*weights(1,1)+...
               input(j,1)*weights(2,1)+input(j,2)*weights(3,1);
          out(j) = 1/(1+exp(-y));
          delta = desired_out(j)-out(j);
          weights(1,1) = weights(1,1)+coeff*bias*delta;
          weights(2,1) = weights(2,1)+coeff*input(j,1)*delta;
          weights(3,1) = weights(3,1)+coeff*input(j,2)*delta;
     end
end

Tengo las siguientes preguntas,

(1) ¿cuál está entrenando datos aquí?

(2) ¿cuál es la información de prueba aquí?

(3) ¿cuáles son las etiquetas aquí?

Answer 1

los datos de entrenamiento son [0 0; 0 1; 1 0; 1 1] en la otra vista cada fila es un conjunto de datos de entrenamiento como sigue

    >> input

input =

 0     0
 0     1
 1     0
 1     1

y el objetivo es

   desired_out =

 0
 1
 1
 1

por favor, piense acerca de las deseadas. Estas son sus etiquetas . Cada fila en los datos de entrenamiento (entrada) tiene una salida específica (etiqueta) en el conjunto binario {0,1} (porque este ejemplo para la implementación del circuito lógico OR.

en matlab puede usar o funcionar de la siguiente manera para una mayor comprensión:

    >> or(0,0)

    ans =

        0

    >> or(1,0)

    ans =

        1

    >> or(0,1)

   ans =

       1

   >> or(1,1)

   ans =

       1

Tenga en cuenta que su código no tiene ninguna prueba de entrenamiento y este código solo trata de obtener pesos y otros parámetros de perceptron pero puede agregar una prueba de entrenamiento a su código con solo un pequeño programa.

    NumDataTest  =  10 ;
    test=randi( [0 , 1] , [ NumDataTest , 2]) ...
       +(2*rand(NumDataTest,2)-1)/20;

entonces los datos de prueba serán similares a los siguientes

     test =

    1.0048    1.0197
    0.0417    0.9864
   -0.0180    1.0358
    1.0052    1.0168
    1.0463    0.9881
    0.9787    0.0367
    0.9624   -0.0239
    0.0065    0.0404
    1.0085   -0.0109
   -0.0264    0.0429

para probar esta información puede usar su propio programa por el siguiente código:

    for i=1:NumDataTest
        y = bias*weights(1,1)+test(i,1)*weights(2,1)+test(i,2)*weights(3,1);
        out(i) = 1/(1+exp(-y));
    end

y finalmente:

     table(test(:,1),test(:,2),out,''VariableNames'',{''input1'' ''input2'' ''output''})

salida es

         input1       input2       output 
        _________    _________    ________

          1.0048       1.0197     0.99994
          0.041677      0.98637     0.97668
         -0.017968       1.0358     0.97527
          1.0052       1.0168     0.99994
          1.0463      0.98814     0.99995
          0.97875     0.036674      0.9741
          0.96238    -0.023861     0.95926
          0.0064527     0.040392    0.095577
          1.0085    -0.010895     0.97118
         -0.026367     0.042854    0.080808

Sección del código:

    clc
    clear
    input = [0 0; 0 1; 1 0; 1 1];
    numIn = 4;
    desired_out = [0;1;1;1];
    bias = -1;
    coeff = 0.7;
    rand(''state'',sum(100*clock));
    weights = -1*2.*rand(3,1);

    iterations = 100;

    for i = 1:iterations
    out = zeros(4,1);
        for j = 1:numIn
           y = bias*weights(1,1)+input(j,1)*weights(2,1)+input(j,2)*weights (3,1);
           out(j) = 1/(1+exp(-y));
           delta = desired_out(j)-out(j);
           weights(1,1) = weights(1,1)+coeff*bias*delta;
           weights(2,1) = weights(2,1)+coeff*input(j,1)*delta;
           weights(3,1) = weights(3,1)+coeff*input(j,2)*delta;
        end
   end
   %% Test Section
   NumDataTest  =  10 ;
   test=randi( [0 , 1] , [ NumDataTest , 2]) ...
      +(2*rand(NumDataTest,2)-1)/20;
   for i=1:NumDataTest
       y = bias*weights(1,1)+test(i,1)*weights(2,1)+test(i,2)*weights(3,1);
       out(i) = 1/(1+exp(-y));
   end
    table(test(:,1),test(:,2),out,''VariableNames'',{''input1'' ''input2'' ''output''})

Espero que esto ayude y lo siento por mi inglés si es malo