如何在python中制作感知器的伪代码？

Question

这段代码写在python 3，你能告诉我你的伪代码是什么样的吗？我无法理解正在进行的计算：

#dobro n * 2
# x * weight

import random
import numpy as np

   def derivada(n):
        return n*(1-n)

x = 0.85 
y = 0.25
w = random.random()

#épocas

for i in range(10):
     a=np.tanh(x*w)

     e = y-a#erro

     w+= x* derivada(e)

     print(a)

我试过用这种方法做伪代码，但效果不太好。

     algoritm "untitled"

            var
                er, n, f, x1, w1, w2, u, y : real
                                  b, yd, i : inteiro
           Begin
               b <- 1
               x1 <- 1
               w1 <- 0
               u <- (x1*w1)+b
               y <- tan(u)
               yd <- 5
               er <- yd-y
               for i de 1 to 10 do
               n <- 0.5
               f <- (n*x1*er)
               w1 <- w1+f
               Write(w1)
               endfor

               // Commands
          End

你能告诉我哪里出了问题吗？

Answer 1

基本上，发生的事情是你有这些变量：

x - 感知器的输入值

y - 感知器的预期输出

w - 感知器上的权重值

derivato(n)函数returnstanh曲线的导数。这用于计算对 w 变量的调整。

x设置为0.85，y设置为0.25。 w初始化为随机数。

10次，a就是感知机的输出。这等于 tanh(x*w)，其中 x 是输入，w 是权重，tanh 是 tanh 函数。

错误（e 变量）是通过y-a 计算得出的，其中 y 是预期的输出。（基本事实）

对权重的调整(w)是通过计算tanh曲线在e处的导数并乘以x计算出来的。所以调整为x*derivato(e)

然后，将调整添加到权重，以进行调整。

如何在python中制作感知器的伪代码？

how to make pseudocode of perceptron in python?

python

perceptron

neural-network