diff --git a/neuro_defs.py b/neuro_defs.py index 5b9fff7..4d4f88d 100644 --- a/neuro_defs.py +++ b/neuro_defs.py @@ -1,4 +1,5 @@ +import random from auto_diff import auto_diff import classes @@ -11,62 +12,58 @@ def tanh(x: auto_diff.Node): class SimpleNN: def __init__(self): #111 - 1 слой, 1 нейрон, 1 вес - # self.w111 = auto_diff.Node(random.uniform(-1, 1)) - # self.w112 = auto_diff.Node(random.uniform(-1, 1)) - # self.b11 = auto_diff.Node(random.uniform(-1, 1)) + self.w111 = auto_diff.Node(random.uniform(-1, 1)) + self.w112 = auto_diff.Node(random.uniform(-1, 1)) + self.b11 = auto_diff.Node(random.uniform(-1, 1)) - # self.w121 = auto_diff.Node(random.uniform(-1, 1)) - # self.w122 = auto_diff.Node(random.uniform(-1, 1)) - # self.b12 = auto_diff.Node(random.uniform(-1, 1)) + self.w121 = auto_diff.Node(random.uniform(-1, 1)) + self.w122 = auto_diff.Node(random.uniform(-1, 1)) + self.b12 = auto_diff.Node(random.uniform(-1, 1)) - # self.w131 = auto_diff.Node(random.uniform(-1, 1)) - # self.w132 = auto_diff.Node(random.uniform(-1, 1)) - # self.b13 = auto_diff.Node(random.uniform(-1, 1)) + self.w131 = auto_diff.Node(random.uniform(-1, 1)) + self.w132 = auto_diff.Node(random.uniform(-1, 1)) + self.b13 = auto_diff.Node(random.uniform(-1, 1)) - # self.w141 = auto_diff.Node(random.uniform(-1, 1)) - # self.w142 = auto_diff.Node(random.uniform(-1, 1)) - # self.b14 = auto_diff.Node(random.uniform(-1, 1)) + self.w141 = auto_diff.Node(random.uniform(-1, 1)) + self.w142 = auto_diff.Node(random.uniform(-1, 1)) + self.b14 = auto_diff.Node(random.uniform(-1, 1)) - # self.w211 = auto_diff.Node(random.uniform(-1, 1)) - # self.w212 = auto_diff.Node(random.uniform(-1, 1)) - # self.w213 = auto_diff.Node(random.uniform(-1, 1)) - # self.w214 = auto_diff.Node(random.uniform(-1, 1)) - # self.b21 = auto_diff.Node(random.uniform(-1, 1)) + self.w211 = auto_diff.Node(random.uniform(-1, 1)) + self.w212 = auto_diff.Node(random.uniform(-1, 1)) + self.w213 = auto_diff.Node(random.uniform(-1, 1)) + self.w214 = auto_diff.Node(random.uniform(-1, 1)) + self.b21 = auto_diff.Node(random.uniform(-1, 1)) - # self.w221 = auto_diff.Node(random.uniform(-1, 1)) - # self.w222 = auto_diff.Node(random.uniform(-1, 1)) - # self.w223 = auto_diff.Node(random.uniform(-1, 1)) - # self.w224 = auto_diff.Node(random.uniform(-1, 1)) - # self.b22 = auto_diff.Node(random.uniform(-1, 1)) + self.w221 = auto_diff.Node(random.uniform(-1, 1)) + self.w222 = auto_diff.Node(random.uniform(-1, 1)) + self.w223 = auto_diff.Node(random.uniform(-1, 1)) + self.w224 = auto_diff.Node(random.uniform(-1, 1)) + self.b22 = auto_diff.Node(random.uniform(-1, 1)) - # self.w1_out = auto_diff.Node(random.uniform(-1, 1)) - # self.w2_out = auto_diff.Node(random.uniform(-1, 1)) - # self.b_out = auto_diff.Node(random.uniform(-1, 1)) - - self.network = classes.NeuronNetwork(4, 1, 2) + self.w1_out = auto_diff.Node(random.uniform(-1, 1)) + self.w2_out = auto_diff.Node(random.uniform(-1, 1)) + self.b_out = auto_diff.Node(random.uniform(-1, 1)) self.lr = 0.1 # скорость обучения def forward(self, x1, x2): # прямой проход - # #скрытые слои - # self.h11 = tanh(self.w111*x1 + self.w112*x2 + self.b11) - # self.h12 = tanh(self.w121*x1 + self.w122*x2 + self.b12) - # self.h13 = tanh(self.w131*x1 + self.w132*x2 + self.b13) - # self.h14 = tanh(self.w141*x1 + self.w142*x2 + self.b14) + #скрытые слои + self.h11 = tanh(self.w111*x1 + self.w112*x2 + self.b11) + self.h12 = tanh(self.w121*x1 + self.w122*x2 + self.b12) + self.h13 = tanh(self.w131*x1 + self.w132*x2 + self.b13) + self.h14 = tanh(self.w141*x1 + self.w142*x2 + self.b14) - # self.h21 = tanh(self.w211*self.h11 + self.w212*self.h12 + self.w213*self.h13 + self.w214*self.h14 + self.b21) - # self.h22 = tanh(self.w221*self.h11 + self.w222*self.h12 + self.w223*self.h13 + self.w224*self.h14 + self.b22) + self.h21 = tanh(self.w211*self.h11 + self.w212*self.h12 + self.w213*self.h13 + self.w214*self.h14 + self.b21) + self.h22 = tanh(self.w221*self.h11 + self.w222*self.h12 + self.w223*self.h13 + self.w224*self.h14 + self.b22) - # #выходной слой - # self.a1 = sigmoid(self.w1_out*self.h21 + self.w2_out*self.h22 + self.b_out) - - self.a1 = self.network.forward(sigmoid, x1, x2) + #выходной слой + self.a1 = sigmoid(self.w1_out*self.h21 + self.w2_out*self.h22 + self.b_out) return self.a1 @@ -76,7 +73,41 @@ class SimpleNN: auto_diff.backward(error) - self.network.update_weights(self.lr) + self.w111 = auto_diff.update_weights(self.w111, self.lr) + self.w112 = auto_diff.update_weights(self.w112, self.lr) + self.b11 = auto_diff.update_weights(self.b11, self.lr) + + self.w121 = auto_diff.update_weights(self.w121, self.lr) + self.w122 = auto_diff.update_weights(self.w122, self.lr) + self.b12 = auto_diff.update_weights(self.b12, self.lr) + + self.w131 = auto_diff.update_weights(self.w131, self.lr) + self.w132 = auto_diff.update_weights(self.w132, self.lr) + self.b13 = auto_diff.update_weights(self.b13, self.lr) + + self.w141 = auto_diff.update_weights(self.w141, self.lr) + self.w142 = auto_diff.update_weights(self.w142, self.lr) + self.b14 = auto_diff.update_weights(self.b14, self.lr) + + + + self.w211 = auto_diff.update_weights(self.w211, self.lr) + self.w212 = auto_diff.update_weights(self.w212, self.lr) + self.w213 = auto_diff.update_weights(self.w213, self.lr) + self.w214 = auto_diff.update_weights(self.w214, self.lr) + self.b21 = auto_diff.update_weights(self.b21, self.lr) + + self.w221 = auto_diff.update_weights(self.w221, self.lr) + self.w222 = auto_diff.update_weights(self.w222, self.lr) + self.w223 = auto_diff.update_weights(self.w223, self.lr) + self.w224 = auto_diff.update_weights(self.w224, self.lr) + self.b22 = auto_diff.update_weights(self.b22, self.lr) + + + + self.w1_out = auto_diff.update_weights(self.w1_out, self.lr) + self.w2_out = auto_diff.update_weights(self.w2_out, self.lr) + self.b_out = auto_diff.update_weights(self.b_out, self.lr) def train(self, dataset, answs, epochs=1000): for _ in range(epochs):