fork download
copy 
  1. import numpy as np
  2. from itertools import product  # To generate all binary combinations
  3.  
  4. # Initialisierung der Schwellenwerte
  5. lower_threshold = 0.8
  6. upper_threshold = 1.2
  7.  
  8. # Lernrate
  9. learning_rate = 0.1
  10.  
  11. # Trainingsdaten (Inputs für das XOR-Problem und andere)
  12. inputs = [[0, 0], [0, 1], [1, 0], [1, 1]]
  13.  
  14. # Alle möglichen Zieltabellen (16 Kombinationen)
  15. all_possible_targets = list(product([0, 1], repeat=4))
  16.  
  17. # Trainingsloop für jede mögliche Zieltabelle
  18. for table_index, targets in enumerate(all_possible_targets, start=1):
  19.     print(f"\n=== Wahrheitstabelle {table_index}: Targets = {targets} ===")
  20.  
  21.     # Initialisieren der Startwerte
  22.     max_iterations = 500  # Maximal 500 Iterationen für jedes Bias
  23.     epoch = 0
  24.     network_trained = False
  25.     start_weights = None
  26.     final_weights = None
  27.     bias_list = [0.0, 0.9]  # Only Bias values to try: 0.0 and 0.9
  28.     reset_count = 0  # Counter to track the number of weight resets
  29.  
  30.     # Iterate over bias values: first try 0.0, then 0.9
  31.     for bias in bias_list:
  32.         print(f"Versuch mit Bias {bias}:")
  33.  
  34.         epoch = 0
  35.         network_trained = False  # Netzwerk muss erneut trainiert werden
  36.         start_weights = np.random.uniform(-4, 4, 2)  # Zufällige Startgewichte für die Trainingsrunde
  37.  
  38.         while epoch < max_iterations:
  39.             epoch += 1
  40.             all_correct = True
  41.             current_weights = np.random.uniform(-4, 4, 2)  # Zufällige Startgewichte im Bereich [-4, 4]
  42.  
  43.             for input_vector, target in zip(inputs, targets):
  44.                 # Berechnung der gewichteten Summe inkl. Bias
  45.                 weighted_sum = np.dot(input_vector, current_weights) + bias
  46.  
  47.                 # Aktivierungsfunktion (Schwellenwertfunktion mit zwei Schwellenwerten)
  48.                 output = 1 if lower_threshold < weighted_sum < upper_threshold else 0
  49.  
  50.                 # Fehlerberechnung
  51.                 error = target - output
  52.  
  53.                 # Wenn ein Fehler vorliegt, dann weise die Gewichte an
  54.                 if error != 0:
  55.                     all_correct = False
  56.                     current_weights += learning_rate * error * np.array(input_vector)
  57.  
  58.             # Überprüfe, ob alle Ausgaben korrekt sind
  59.             if all_correct:
  60.                 network_trained = True
  61.                 final_weights = current_weights  # Speichere die finalen Gewichte
  62.                 break  # Stoppe, wenn alle Ausgaben korrekt sind
  63.  
  64.         if network_trained:
  65.             print(f"Das Netzwerk hat Wahrheitstabelle {table_index} erfolgreich nach {epoch} Iterationen gelernt.")
  66.             print(f"Startgewichte: {start_weights}")
  67.             print(f"Endgewichte: {final_weights}")
  68.             print(f"Endgültiger Bias: {bias}")
  69.             break  # Wenn es mit diesem Bias erfolgreich war, gehe zum nächsten Wahrheitstabelle
  70.         else:
  71.             print(f"Das Netzwerk konnte mit Bias {bias} die Wahrheitstabelle {table_index} nicht lernen.")
  72.             print("Versuche es mit dem nächsten Bias.")
  73.  
  74.     if not network_trained:
  75.         print(f"Das Netzwerk hat Wahrheitstabelle {table_index} auch nach dem Testen aller Bias-Werte nicht korrekt gelernt.")
  76.         print("Kein Erfolg mit diesem Ziel.")
  77.  
Success #stdin #stdout 0.59s 28828KB
comments (?)
stdin
copy 
Standard input is empty
stdout
copy 
=== Wahrheitstabelle 1: Targets = (0, 0, 0, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk hat Wahrheitstabelle 1 erfolgreich nach 1 Iterationen gelernt.
Startgewichte: [-3.26692466  3.80261921]
Endgewichte: [-0.26109078  2.64096906]
Endgültiger Bias: 0.0

=== Wahrheitstabelle 2: Targets = (0, 0, 0, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk hat Wahrheitstabelle 2 erfolgreich nach 23 Iterationen gelernt.
Startgewichte: [1.92494368 1.77375694]
Endgewichte: [-2.20064267  3.31983613]
Endgültiger Bias: 0.0

=== Wahrheitstabelle 3: Targets = (0, 0, 1, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk hat Wahrheitstabelle 3 erfolgreich nach 35 Iterationen gelernt.
Startgewichte: [ 0.13457742 -3.0712442 ]
Endgewichte: [0.94077197 1.85356977]
Endgültiger Bias: 0.0

=== Wahrheitstabelle 4: Targets = (0, 0, 1, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk hat Wahrheitstabelle 4 erfolgreich nach 316 Iterationen gelernt.
Startgewichte: [ 2.2809674 -1.5655143]
Endgewichte: [0.91616615 0.17666578]
Endgültiger Bias: 0.0

=== Wahrheitstabelle 5: Targets = (0, 1, 0, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk hat Wahrheitstabelle 5 erfolgreich nach 5 Iterationen gelernt.
Startgewichte: [ 1.86170589 -1.82984876]
Endgewichte: [0.60141328 0.85802074]
Endgültiger Bias: 0.0

=== Wahrheitstabelle 6: Targets = (0, 1, 0, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 6 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk konnte mit Bias 0.9 die Wahrheitstabelle 6 nicht lernen.
Versuche es mit dem nächsten Bias.
Das Netzwerk hat Wahrheitstabelle 6 auch nach dem Testen aller Bias-Werte nicht korrekt gelernt.
Kein Erfolg mit diesem Ziel.

=== Wahrheitstabelle 7: Targets = (0, 1, 1, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk hat Wahrheitstabelle 7 erfolgreich nach 250 Iterationen gelernt.
Startgewichte: [-2.21132777 -1.93229001]
Endgewichte: [0.92968433 1.1445321 ]
Endgültiger Bias: 0.0

=== Wahrheitstabelle 8: Targets = (0, 1, 1, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 8 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk konnte mit Bias 0.9 die Wahrheitstabelle 8 nicht lernen.
Versuche es mit dem nächsten Bias.
Das Netzwerk hat Wahrheitstabelle 8 auch nach dem Testen aller Bias-Werte nicht korrekt gelernt.
Kein Erfolg mit diesem Ziel.

=== Wahrheitstabelle 9: Targets = (1, 0, 0, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 9 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk hat Wahrheitstabelle 9 erfolgreich nach 1 Iterationen gelernt.
Startgewichte: [2.64699878 3.52926893]
Endgewichte: [0.72044357 0.72450151]
Endgültiger Bias: 0.9

=== Wahrheitstabelle 10: Targets = (1, 0, 0, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 10 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk hat Wahrheitstabelle 10 erfolgreich nach 23 Iterationen gelernt.
Startgewichte: [3.06152928 2.49889427]
Endgewichte: [-0.22869019  0.49520869]
Endgültiger Bias: 0.9

=== Wahrheitstabelle 11: Targets = (1, 0, 1, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 11 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk hat Wahrheitstabelle 11 erfolgreich nach 48 Iterationen gelernt.
Startgewichte: [-1.08168933  2.93441231]
Endgewichte: [ 0.06744368 -3.61067056]
Endgültiger Bias: 0.9

=== Wahrheitstabelle 12: Targets = (1, 0, 1, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 12 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk hat Wahrheitstabelle 12 erfolgreich nach 84 Iterationen gelernt.
Startgewichte: [3.212328  3.5714378]
Endgewichte: [ 0.19128895 -0.1075417 ]
Endgültiger Bias: 0.9

=== Wahrheitstabelle 13: Targets = (1, 1, 0, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 13 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk hat Wahrheitstabelle 13 erfolgreich nach 26 Iterationen gelernt.
Startgewichte: [ 3.38697354 -0.17625804]
Endgewichte: [2.00292234 0.24743875]
Endgültiger Bias: 0.9

=== Wahrheitstabelle 14: Targets = (1, 1, 0, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 14 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk konnte mit Bias 0.9 die Wahrheitstabelle 14 nicht lernen.
Versuche es mit dem nächsten Bias.
Das Netzwerk hat Wahrheitstabelle 14 auch nach dem Testen aller Bias-Werte nicht korrekt gelernt.
Kein Erfolg mit diesem Ziel.

=== Wahrheitstabelle 15: Targets = (1, 1, 1, 0) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 15 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk konnte mit Bias 0.9 die Wahrheitstabelle 15 nicht lernen.
Versuche es mit dem nächsten Bias.
Das Netzwerk hat Wahrheitstabelle 15 auch nach dem Testen aller Bias-Werte nicht korrekt gelernt.
Kein Erfolg mit diesem Ziel.

=== Wahrheitstabelle 16: Targets = (1, 1, 1, 1) ===
Versuch mit Bias 0.0:
Das Netzwerk konnte mit Bias 0.0 die Wahrheitstabelle 16 nicht lernen.
Versuche es mit dem nächsten Bias.
Versuch mit Bias 0.9:
Das Netzwerk konnte mit Bias 0.9 die Wahrheitstabelle 16 nicht lernen.
Versuche es mit dem nächsten Bias.
Das Netzwerk hat Wahrheitstabelle 16 auch nach dem Testen aller Bias-Werte nicht korrekt gelernt.
Kein Erfolg mit diesem Ziel.
https://ideone.com/4LT20Q
language:
Python 3 (python  3.9.5)
created:
2 hours ago
visibility:
public

Share or Embed source code

Discover > Sphere Engine API

The brand new service which powers Ideone!

Discover > IDE Widget

Widget for compiling and running the source code in a web browser!