Elimizdeki örnekte aşağıdaki gibi giriş verileri uygulandığında bu verilere göre bir çıkış değeri üretilmiş. Burada yapacağımız yapay sinir ağı bu verileri inceleyerek öğrenecek ve farklı tipte giriş verileri geldiğinde bunun çıkışının nasıl olacağını kendisi öğrenecek.
Şimdi bu kodlarımızı yazalım.
Örnek Dataset
| Variable | Definition | ||
|---|---|---|---|
| X | Her satırın bir eğitim örneği olduğu girdi veri kümesi matrisi | ||
| y | Her satır bir eğitim örneği olduğu çıktı veri kümesi matrisi | ||
| l0 | Giriş verisi tarafından belirtilen Ağın Birinci Katmanı | ||
| l1 | Ağın İkinci Katmanı, aksi halde gizli katman olarak bilinir | ||
| syn0 | Ağırlıkların ilk katmanı, Synapse 0, l0'dan l1'e bağlanma. | ||
| * | Elementwise çarpma, böylece eşit boyuttaki iki vektör, özdeş boyutta bir nihai vektör oluşturmak için karşılık gelen 1-to-1 değerlerini çarpar. | ||
| - | Eşit boyuttaki son vektör oluşturmak için, eşit boyuttaki iki vektör, karşılık gelen değerleri 1'den 1'e çıkartarak, öğe temelinde çıkarma. | ||
| x.dot(y) | Eğer x ve y vektörler ise, bu bir noktalı bir üründür. Her ikisi de matris ise, matris-matris çarpımıdır. Tek bir matris ise, o zaman vektör matris çarpımı olur. |
