2OrH.py

# techgym7-4-A-2

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

# x、y座標(-1から1まで0.1刻み)
ar_min = -1.0
ar_max = 1.0
notch = 0.1

X = np.arange(ar_min, ar_max, notch)
Y = np.arange(ar_min, ar_max, notch)

#グリッド数
grid_num = int((abs(ar_min) + abs(ar_max)) / notch)

#出力を格納するグリッド
Z = np.zeros((grid_num,grid_num))

#シグモイド関数
def sigmoid_function(x):
    return 1 / ( 1 + np.exp(-x))

#ソフトマックス関数
def softmax_function(x):
    return np.exp(x)/np.sum(np.exp(x))

############################################################

def layer3_neuron_class(wim1,wim2,wim3,wim4,wmo1,wmo2,wmo3,wmo4,bim1,bim2,bmo1,bmo2):
    
    # 重み
    w_im = np.array([[wim1,wim2],
                                  [wim3,wim4]])     #中間層 2x2の行列
    w_mo = np.array([[wmo1,wmo2],
                                   [wmo3,wmo4]]) # 出力層 2x2の行列
    
    # バイアス
    b_im = np.array([bim1,bim2])    #中間層
    b_mo = np.array([bmo1,bmo2])#出力層
    
    # 中間層
    def middle_layer(x, w, b):
        u = np.dot(x, w) + b
        return sigmoid_function(u) # シグモイド関数

    # 出力層
    def output_layer(x, w, b):
        u = np.dot(x, w) + b
        return softmax_function(u) # ソフトマックス関数

    # 分類結果を格納するリスト
    x_1 = []
    y_1 = []
    x_2 = []
    y_2 = []

    # グリッドの各マスでニューラルネットワークの演算
    for i in range(grid_num):
        for j in range(grid_num):
        
            # 順伝播
            inp = np.array([X[i], Y[j]])
            mid = middle_layer(inp, w_im, b_im)
            out = output_layer(mid, w_mo, b_mo)
        
            # 確率の大小を比較し、分類する
            if out[0] > out[1]:
                x_1.append(X[i])
                y_1.append(Y[j])
            else:
                x_2.append(X[i])
                y_2.append(Y[j])

    # 散布図の表示
    plt.scatter(x_1, y_1, marker="+")
    plt.scatter(x_2, y_2, marker="o")
    plt.show()

    
#重みとバイアスを変更
layer3_neuron_class(1,2,1,2,-1,1,-1,-1,0.1,-0.3,0.3,-0.4)
layer3_neuron_class(2,1,2,1,-1,1,1,-1,0.3,-0.3,0.3,-0.1)
layer3_neuron_class(5,3,1,1,-1,1,1,-1,0.3,-0.3,0.3,0.1)
layer3_neuron_class(2,1,2,5,-1,1,2,-1,0.1,0.3,0.3,-0.1)

############################################################