Персональный блог, библиотека, подборка статей и архив Макса Сорокина.
Часть 1 : Часть 2 Давай сразу код! import numpy as np X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ]) y = np.array([[0,1,1,0]]).T alpha,hidden_dim = (0.5,4) synapse_0 = 2*np.random.random((3,hidden_dim)) – 1 synapse_1 = 2*np.random.random((hidden_dim,1)) – 1 for j in xrange(60000): layer_1 = 1/(1+np.exp(-(np.dot(X,synapse_0))))
Лично я лучше всего обучаюсь при помощи небольшого работающего кода, с которым могу поиграться. В этом пособии мы научимся алгоритму обратного распространения ошибок на примере небольшой нейронной сети, реализованной на Python. Дайте код! X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ]) y
Наверное самый лучший обучающий материал (из всех видимых мною) по теме Машинного Обучения с прекрасными пояснениями и визуализацией данных на конкретных примерах (на английском). visual-intro-to-machine-learning-part-1