Не могу исправить ошибку в программировании искусственного нейрона

@IrinaUmysyr · Регистрация: 15.03.2020

Студворк — интернет-сервис помощи студентам

Добрый день!
Помогите, пожалуйста, исправить ошибку в коде.

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
def sigmoid_derivative(x): #представление производной сигмовидной функции
    return sigmoid(x)*(1-sigmoid(x))
def loss(y_pred, y):
    y_pred=y_pred.reshape(-1,1)
    y =np.array(y).reshape(-1,1)
    return 0.5*np.mean((y_pred-y)**2)
class Neuron:
    def __init__(self, w=None, b=0) :
        self.w=w
        self.b=b
    def activate (self, x):
        return sigmoid(x)
    def forward_pass(self, X): 
        n=X.shape[0]
        y_pred=np.zeros((n, 1))
        y_pred=self.activate(X @ self.w+self.b)
        return y_pred.reshape(-1,1)
    def backward_pass(self, X, y, y_pred, learning_rate=0.01):
        n=len(y)
        y=np.array(y).reshape(-1,1)
        sigma=self.activate(X @ self.w+self.b)
        self.w=self.w-learning_rate*(X.T@((sigma-y)*sigma*(1-sigma)))/n
        self.b=self.b-learning_rate*np.mean((sigma-y)* sigma*(1-sigma))
    def fit(self, X, y, num_epochs=5000):
        self.w=np.zeros((X.shape[1],1))
        self.b=0
        Loss_values=[]
        For I in range(num_epochs):
            y_pred=self.forward_pass(X)
            Loss_values.append(Loss(y_pred, y))
            self.backward_pass(X, y, y_pred)
        return Loss_values
w=np.array([0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]
b=0.0
X=np.array([[1, 0.75, 1, 0.5, 0, 0.5, 1, 1, 1],
            [0.6, 0.5, 0.75, 0, 0, 0, 0, 0.8, 1],
            [1, 1, 0.75, 0.5, 0.5, 0.5, 0.5, 1, 1],
            [0.6, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6],
            [0.6, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6],
            [1, 0.75, 0.75, 0, 0, 0.5, 0.5, 1, 1],
            [0.6, 0.5, 0.75, 0.5, 0, 0.5, 1, 1, 1],
            [0.6, 0.75, 0.5, 0, 0, 0, 0, 0.4, 0.4],
            [0.6, 0.75, 0.5, 0, 0, 0, 0, 1, 1],
            [0.6, 1, 0.25, 0, 0, 0.5, 0, 0.6,  0.8],
            [0.6, 0.75, 0.75, 0.5, 0.5, 0.5, 1, 1, 1],
            [0.6, 0.5, 0.25, 0, 0, 0, 0, 1, 1],
            [0.2, 0.5, 0.5, 0, 0, 0, 0, 0.2, 0.2],
            [0.6, 0.25, 0.75, 0, 0, 0, 0, 0.8, 0.4],
            [0.6, 1, 0.75, 0, 0, 1, 1, 1, 1],
            [0.6, 0.5,  0.5, 0, 0, 0.5, 0.5, 0.8, 0.8],
            [1, 1, 1, 0.5, 0, 0, 1, 0.2, 0.2],
            [0.8, 0.75, 0.75, 1, 1, 0.5, 0.5, 1, 1],
            [0.8, 0.75, 0.75, 0, 0, 0.5, 0.5, 0.8,  0.8],
            [1, 0.75, 0.75, 0, 0, 0.5, 0.5, 1, 1],
            [0.8, 0.75, 0.75,  0.5, 0.5, 0.5, 0.5, 1, 1],
            [0.6, 0.5, 0.75, 0, 0, 0.5, 0.5, 1, 1],
            [1, 1, 1, 0.5, 0.5, 1, 1, 1, 1],
            [0.8, 0.75, 1, 0.5, 0, 0.5, 1, 1, 1],
            [0.8, 0.25, 0.75, 0.5, 0, 0,  0.5, 1, 1],
            [0.6, 0.25, 0.5, 0, 0, 0.5, 0.5, 0.8, 1]])
y=np.array([1, 0.6, 1, 0.4, 0.4, 1, 0.4, 0.4, 0.8, 0.8, 0.6, 0.6, 0.2, 0.2, 1, 0.4, 1, 0.8, 0.6, 1, 0.8, 0.4, 1, 0.8, 0.4 0.8]).reshape(26,1)
neuron=Neuron(w, b)
y_pred=neuron.forward_pass(X)
neuron.backward_pass(X, y, y_pred)
print (“w_otn=” + str(((neuron.w-0.2)*1000))
Loss_values=neuron.fit(X,y)

Ошибка:

File "<ipython-input-1-1576577dd68b>", line 28
For I in range(num_epochs):
^
SyntaxError: invalid syntax

@zss · 15.03.2020, 20:31

Сообщение от IrinaUmysyr

For I in range(num_epochs):

F поменяйте на f. И еще несколько ошибок:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
import numpy as np #!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
def sigmoid_derivative(x): #представление производной сигмовидной функции
    return sigmoid(x)*(1-sigmoid(x))
def loss(y_pred, y):
    y_pred=y_pred.reshape(-1,1)
    y =np.array(y).reshape(-1,1)
    return 0.5*np.mean((y_pred-y)**2)
class Neuron:
    def __init__(self, w=None, b=0) :
        self.w=w
        self.b=b
    def activate (self, x):
        return sigmoid(x)
    def forward_pass(self, X): 
        n=X.shape[0]
        y_pred=np.zeros((n, 1))
        y_pred=self.activate(X @ self.w+self.b)
        return y_pred.reshape(-1,1)
    def backward_pass(self, X, y, y_pred, learning_rate=0.01):
        n=len(y)
        y=np.array(y).reshape(-1,1)
        sigma=self.activate(X @ self.w+self.b)
        self.w=self.w-learning_rate*(X.T@((sigma-y)*sigma*(1-sigma)))/n
        self.b=self.b-learning_rate*np.mean((sigma-y)* sigma*(1-sigma))
    def fit(self, X, y, num_epochs=5000):
        self.w=np.zeros((X.shape[1],1))
        self.b=0
        Loss_values=[]
        for I in range(num_epochs):  #!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
            y_pred=self.forward_pass(X)
            Loss_values.append(Loss(y_pred, y))
            self.backward_pass(X, y, y_pred)
        return Loss_values
w=np.array([0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2])  #!!!!!!!!!!!!!!!!!!!!!!
b=0.0
X=np.array([[1, 0.75, 1, 0.5, 0, 0.5, 1, 1, 1],
            [0.6, 0.5, 0.75, 0, 0, 0, 0, 0.8, 1],
            [1, 1, 0.75, 0.5, 0.5, 0.5, 0.5, 1, 1],
            [0.6, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6],
            [0.6, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6],
            [1, 0.75, 0.75, 0, 0, 0.5, 0.5, 1, 1],
            [0.6, 0.5, 0.75, 0.5, 0, 0.5, 1, 1, 1],
            [0.6, 0.75, 0.5, 0, 0, 0, 0, 0.4, 0.4],
            [0.6, 0.75, 0.5, 0, 0, 0, 0, 1, 1],
            [0.6, 1, 0.25, 0, 0, 0.5, 0, 0.6,  0.8],
            [0.6, 0.75, 0.75, 0.5, 0.5, 0.5, 1, 1, 1],
            [0.6, 0.5, 0.25, 0, 0, 0, 0, 1, 1],
            [0.2, 0.5, 0.5, 0, 0, 0, 0, 0.2, 0.2],
            [0.6, 0.25, 0.75, 0, 0, 0, 0, 0.8, 0.4],
            [0.6, 1, 0.75, 0, 0, 1, 1, 1, 1],
            [0.6, 0.5,  0.5, 0, 0, 0.5, 0.5, 0.8, 0.8],
            [1, 1, 1, 0.5, 0, 0, 1, 0.2, 0.2],
            [0.8, 0.75, 0.75, 1, 1, 0.5, 0.5, 1, 1],
            [0.8, 0.75, 0.75, 0, 0, 0.5, 0.5, 0.8,  0.8],
            [1, 0.75, 0.75, 0, 0, 0.5, 0.5, 1, 1],
            [0.8, 0.75, 0.75,  0.5, 0.5, 0.5, 0.5, 1, 1],
            [0.6, 0.5, 0.75, 0, 0, 0.5, 0.5, 1, 1],
            [1, 1, 1, 0.5, 0.5, 1, 1, 1, 1],
            [0.8, 0.75, 1, 0.5, 0, 0.5, 1, 1, 1],
            [0.8, 0.25, 0.75, 0.5, 0, 0,  0.5, 1, 1],
            [0.6, 0.25, 0.5, 0, 0, 0.5, 0.5, 0.8, 1]])
y=np.array([1, 0.6, 1, 0.4, 0.4, 1, 0.4, 0.4, 0.8, 0.8, 0.6, 0.6, 0.2, 0.2, 1, 0.4, 1, 0.8, 0.6, 1, 0.8, 0.4, 1, 0.8, 0.4, 0.8]).reshape(26,1)  #!!!!!!!!!
neuron=Neuron(w, b)
y_pred=neuron.forward_pass(X)
neuron.backward_pass(X, y, y_pred)
print ("w_otn=" + str((neuron.w-0.2)*1000)) #!!!!!!!!!!!!!!!!!!
Loss_values=neuron.fit(X,y)

@IrinaUmysyr · 15.03.2020, 20:33 **[ТС]**

Изменила, спасибо! Чувствую себя совсем дурочкой)
теперь выходит другая ошибка

File "<ipython-input-5-7434bf46cc82>", line 34
b=0.0
^
SyntaxError: invalid syntax

@zss · 15.03.2020, 20:50

p.s. У меня вопрос:

Сообщение от IrinaUmysyr

y_pred=self.activate(X @ self.w+self.b)

Что означает значок @ ?

Добавлено через 1 минуту

Сообщение от IrinaUmysyr

b=0.0
^
SyntaxError: invalid syntax

В предыдущей строке не поставили закрывающую скобку.
Скопируйте мой код. Я подобные ошибки исправил.,
Но, все равно, получите ошибку исполнения в 17 строке ( y_pred = self.activate(X @ self.w + self.b)):

shapes (26,9) and (11,) not aligned: 9 (dim 1) != 11 (dim 0)

Исправить не могу, т.к. не понимаю этот синтаксис.

@IrinaUmysyr · 15.03.2020, 21:13 **[ТС]**

Сообщение от zss

В предыдущей строке не поставили закрывающую скобку.
Скопируйте мой код. Я подобные ошибки исправил.

Спасибо!

Сообщение от zss

Что означает значок @ ?

Честно говоря, я не до конца понимаю, так как писала все это по образцу. Извините) Понимаю, что звучит очень глупо.

Теперь выходит новая ошибка:

NameError Traceback (most recent call last)
<ipython-input-14-9ebe746af9c2> in <module>
64 y=np.array([1, 0.6, 1, 0.4, 0.4, 1, 0.4, 0.4, 0.8, 0.8, 0.6, 0.6, 0.2, 0.2, 1, 0.4, 1, 0.8, 0.6, 1, 0.8, 0.4, 1, 0.8, 0.4, 0.8]).reshape(26,1)
65 neuron=Neuron(w, b)
---> 66 y_pred=neuron.forward_pass(X)
67 neuron.backward_pass(X, y, y_pred)
68 print ("w_otn=" + str((neuron.w-0.2)*1000))

<ipython-input-14-9ebe746af9c2> in forward_pass(self, X)
16 n=X.shape[0]
17 y_pred=np.zeros((n, 1))
---> 18 y_pred=self.activate(X@self.w+self.b)
19 return y_pred.reshape(-1,1)
20 def backward_pass(self, X, y, y_pred, learning_rate=0.01):

<ipython-input-14-9ebe746af9c2> in activate(self, x)
12 self.b=b
13 def activate (self, x):
---> 14 return sigmoid(x)
15 def forward_pass(self, X):
16 n=X.shape[0]

NameError: name 'sigmoid' is not defined

Новые блоги и статьи Все статьи Все блоги /
YAFU@home — распределённые вычисления для математики. На CPU Programma_Boinc 20.01.2026 YAFU@home — распределённые вычисления для математики. На CPU YAFU@home — это BOINC-проект, который занимается факторизацией больших чисел и исследованием aliquot-последовательностей. Звучит. . .	http://iceja.net/ математические сервисы iceja 20.01.2026 Обновила свой сайт http:/ / iceja. net/ , приделала Fast Fourier Transform экстраполяцию сигналов. Однако предсказывает далеко не каждый сигнал (см ограничения http:/ / iceja. net/ fourier/ docs ). Также. . .	http://iceja.net/ сервер решения полиномов iceja 18.01.2026 Выкатила http:/ / iceja. net/ сервер решения полиномов (находит действительные корни полиномов методом Штурма). На сайте документация по API, но скажу прямо VPS слабенький и 200 000 полиномов. . .	Расчёт переходных процессов в цепи постоянного тока igorrr37 16.01.2026 / * Дана цепь постоянного тока с R, L, C, k(ключ), U, E, J. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа, решает её и находит: токи, напряжения и их 1 и 2 производные при t = 0;. . .
Восстановить юзерскрипты Greasemonkey из бэкапа браузера damix 15.01.2026 Если восстановить из бэкапа профиль Firefox после переустановки винды, то список юзерскриптов в Greasemonkey будет пустым. Но восстановить их можно так. Для этого понадобится консольная утилита. . .	Сукцессия микоризы: основная теория в виде двух уравнений. anaschu 11.01.2026 https:/ / rutube. ru/ video/ 7a537f578d808e67a3c6fd818a44a5c4/	WordPad для Windows 11 Jel 10.01.2026 WordPad для Windows 11 — это приложение, которое восстанавливает классический текстовый редактор WordPad в операционной системе Windows 11. После того как Microsoft исключила WordPad из. . .	Classic Notepad for Windows 11 Jel 10.01.2026 Old Classic Notepad for Windows 11 Приложение для Windows 11, позволяющее пользователям вернуть классическую версию текстового редактора «Блокнот» из Windows 10. Программа предоставляет более. . .

@IrinaUmysyr 0 / 0 / 0 Регистрация: 15.03.2020 Сообщений: 3
	15.03.2020, 20:33 [ТС]
	Изменила, спасибо! Чувствую себя совсем дурочкой) теперь выходит другая ошибка File "<ipython-input-5-7434bf46cc82>", line 34 b=0.0 ^ SyntaxError: invalid syntax 0