Попытка перейти к регрессии #1

neuro_defs.py

@@ -2,7 +2,12 @@ import math
 import random
 
 def sigmoid(x):
-    return 1 / (1 + math.exp(-x))
+	if x >= 0:
+		z = math.exp(-x)
+		return 1 / (1 + z)
+	else:
+		z = math.exp(x)
+		return z / (1 + z)
 
 def sigmoid_derivative(x):
     s = sigmoid(x)
@@ -12,21 +17,20 @@ class SimpleNN:
 	def __init__(self):
 		# инициализация весов случайными числами
 		self.w1 = random.uniform(-1, 1)
-		self.w2 = random.uniform(-1, 1)
 		self.b = random.uniform(-1, 1)   # смещение
 		self.w_out = random.uniform(-1, 1)
 		self.b_out = random.uniform(-1, 1)
 		self.lr = 0.001   # скорость обучения
 
-	def forward(self, x1, x2):
+	def forward(self, x1):
 		# прямой проход
-		self.z1 = self.w1 * x1 + self.w2 * x2 + self.b
+		self.z1 = self.w1 * x1 + self.b
 		self.a1 = sigmoid(self.z1)  # активация скрытого слоя
 		self.z2 = self.w_out * self.a1 + self.b_out
 		self.a2 = sigmoid(self.z2)  # выход сети
 		return self.a2
 
-	def backward(self, x1, x2, y):
+	def backward(self, x1, y):
 		# вычисляем ошибку
 		error = self.a2 - y  # dL/da2
 
@@ -38,12 +42,11 @@ class SimpleNN:
 		# производные для скрытого слоя
 		d_hidden = d_out * self.w_out * sigmoid_derivative(self.z1)
 		self.w1 -= self.lr * d_hidden * x1
-		self.w2 -= self.lr * d_hidden * x2
 		self.b -= self.lr * d_hidden
 
-	def train(self, data, epochs=1000):
+	def train(self, dataset, answs, epochs=1000):
 		for _ in range(epochs):
-			for x1, x2, y in [i.get_tup() for i in data]:
-				self.forward(x1, x2)
-				self.backward(x1, x2, y)
+			for i in range(len(dataset)):
+				self.forward(dataset[i])
+				self.backward(dataset[i], answs[i])