Ideone.com

fork download

copy

import numpy as np
from itertools import product  # To generate all binary combinations
 
# Initialisierung der Schwellenwerte
lower_threshold = 0.8
upper_threshold = 1.2
 
# Lernrate
learning_rate = 0.1
 
# Trainingsdaten (Inputs für das XOR-Problem und andere)
inputs = [[0, 0], [0, 1], [1, 0], [1, 1]]
 
# Alle möglichen Zieltabellen (16 Kombinationen)
all_possible_targets = list(product([0, 1], repeat=4))
 
# Trainingsloop für jede mögliche Zieltabelle
for table_index, targets in enumerate(all_possible_targets, start=1):
    print(f"\n=== Wahrheitstabelle {table_index}: Targets = {targets} ===")
 
    # Trainingsloop mit max. 1000 Iterationen
    max_iterations = 1000
    epoch = 0
    network_trained = False
    start_weights = None
    final_weights = None
    all_epoch_outputs = []  # Store outputs of all epochs for debugging and transparency
 
    while epoch < max_iterations:
        epoch += 1
        all_correct = True  # Flag, um zu überprüfen, ob alle Ausgaben korrekt sind
        current_weights = np.random.rand(2)  # Zufällige Startgewichte
 
        if epoch == 1:  # Die erste Iteration nach Initialisierung
            start_weights = current_weights  # Speichere die Startgewichte
 
        epoch_outputs = []  # To store outputs of this epoch
 
        for input_vector, target in zip(inputs, targets):
            # Berechnung der gewichteten Summe
            weighted_sum = np.dot(input_vector, current_weights)
 
            # Aktivierungsfunktion (einfache Schwellenwertfunktion)
            output = 1 if lower_threshold < weighted_sum < upper_threshold else 0
 
            # Fehlerberechnung
            error = target - output
 
            # Wenn ein Fehler vorliegt, dann weise die Gewichte an
            if error != 0:
                all_correct = False
                current_weights += learning_rate * error * np.array(input_vector)
 
            epoch_outputs.append((input_vector, output, target))  # Save each iteration's output
 
        all_epoch_outputs.append(epoch_outputs)
 
        # Überprüfe, ob alle Ausgaben korrekt sind
        if all_correct:
            network_trained = True
            final_weights = current_weights  # Speichere die finalen Gewichte
            break  # Stoppe, wenn alle Ausgaben korrekt sind
 
        # Wenn Tabelle nach 100 Iterationen nicht gelernt wurde, setze neue zufällige Startgewichte
        if epoch % 100 == 0:
            print(f"Nicht funktionierende Startgewichte: {start_weights}")
            start_weights = np.random.rand(2)  # Setze neue Startgewichte
 
    if network_trained:
        print(f"Das Netzwerk hat Wahrheitstabelle {table_index} korrekt nach {epoch} Iterationen gelernt.")
        print(f"Die Working Startgewichte waren: {start_weights}")
        print(f"Die finalen Gewichte sind: {final_weights}")
    else:
        print(f"Das Netzwerk hat Wahrheitstabelle {table_index} nach {epoch} Iterationen nicht korrekt gelernt.")
        print("\nFinal Test Output übersprungen, da das Netzwerk nicht gelernt hat.")
        continue  # Skip final testing if the network didn't learn the truth table
 
    # Testen des Netzwerks nach den Lern-Iterationen
    print("\nFinal Test Output:")
    for input_vector, target in zip(inputs, targets):
        weighted_sum = np.dot(input_vector, final_weights)
        output = 1 if lower_threshold < weighted_sum < upper_threshold else 0
        print(f"Input: {input_vector}, Target: {target}, Output: {output}")
 
    # Optionally, print out the outputs of each epoch for transparency
    print("\nEpoch Outputs:")
    for epoch_index, epoch_outputs in enumerate(all_epoch_outputs):
        print(f"Epoch {epoch_index + 1}:")
        for input_vector, output, target in epoch_outputs:
            print(f"  Input: {input_vector}, Output: {output}, Target: {target}")

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

Success #stdin #stdout 0.5s 29164KB

stdin

copy

Standard input is empty

stdout

copy

=== Wahrheitstabelle 1: Targets = (0, 0, 0, 0) ===
Das Netzwerk hat Wahrheitstabelle 1 korrekt nach 3 Iterationen gelernt.
Die Working Startgewichte waren: [0.49382842 0.2695215 ]
Die finalen Gewichte sind: [0.69189142 0.06103903]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 0, Output: 0
Input: [1, 0], Target: 0, Output: 0
Input: [1, 1], Target: 0, Output: 0

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 0
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 0
Epoch 3:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0

=== Wahrheitstabelle 2: Targets = (0, 0, 0, 1) ===
Das Netzwerk hat Wahrheitstabelle 2 korrekt nach 2 Iterationen gelernt.
Die Working Startgewichte waren: [0.87963116 0.10499646]
Die finalen Gewichte sind: [0.6188647  0.34715951]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 0, Output: 0
Input: [1, 0], Target: 0, Output: 0
Input: [1, 1], Target: 1, Output: 1

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1

=== Wahrheitstabelle 3: Targets = (0, 0, 1, 0) ===
Das Netzwerk hat Wahrheitstabelle 3 korrekt nach 10 Iterationen gelernt.
Die Working Startgewichte waren: [0.1429374 0.47224  ]
Die finalen Gewichte sind: [0.80715173 0.44021589]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 0, Output: 0
Input: [1, 0], Target: 1, Output: 1
Input: [1, 1], Target: 0, Output: 0

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 0
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 3:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 0
Epoch 4:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 5:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 0
Epoch 6:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 7:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 0
Epoch 8:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 9:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 0
Epoch 10:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 1, Target: 1
  Input: [1, 1], Output: 0, Target: 0

=== Wahrheitstabelle 4: Targets = (0, 0, 1, 1) ===
Das Netzwerk hat Wahrheitstabelle 4 korrekt nach 43 Iterationen gelernt.
Die Working Startgewichte waren: [0.64183764 0.76980664]
Die finalen Gewichte sind: [0.94207474 0.07447474]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 0, Output: 0
Input: [1, 0], Target: 1, Output: 1
Input: [1, 1], Target: 1, Output: 1

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 3:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 4:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 5:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 6:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 7:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 8:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 9:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 10:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 11:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 12:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 13:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 14:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 15:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 16:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 17:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 18:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 19:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 20:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 21:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 22:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 23:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 24:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 25:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 26:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 27:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 28:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 29:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 30:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 31:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 32:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 33:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 1, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 34:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 35:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 36:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 37:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 38:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 39:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 40:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 41:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 42:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 43:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 0
  Input: [1, 0], Output: 1, Target: 1
  Input: [1, 1], Output: 1, Target: 1

=== Wahrheitstabelle 5: Targets = (0, 1, 0, 0) ===
Das Netzwerk hat Wahrheitstabelle 5 korrekt nach 9 Iterationen gelernt.
Die Working Startgewichte waren: [0.28036656 0.47235946]
Die finalen Gewichte sind: [0.37740487 0.95060131]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 1, Output: 1
Input: [1, 0], Target: 0, Output: 0
Input: [1, 1], Target: 0, Output: 0

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 3:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 0
Epoch 4:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 5:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 6:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 0
Epoch 7:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 8:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 9:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0

=== Wahrheitstabelle 6: Targets = (0, 1, 0, 1) ===
Das Netzwerk hat Wahrheitstabelle 6 korrekt nach 24 Iterationen gelernt.
Die Working Startgewichte waren: [0.84378763 0.80412403]
Die finalen Gewichte sind: [0.3336384  0.85616904]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 1, Output: 1
Input: [1, 0], Target: 0, Output: 0
Input: [1, 1], Target: 1, Output: 1

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 1, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 3:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 4:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 5:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 6:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 1, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 7:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 8:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 1, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 9:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 10:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 11:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 12:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 13:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 14:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 15:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 1, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 16:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 17:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 1, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 18:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 19:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 20:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 21:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 1, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 22:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 1
Epoch 23:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 24:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1

=== Wahrheitstabelle 7: Targets = (0, 1, 1, 0) ===
Das Netzwerk hat Wahrheitstabelle 7 korrekt nach 2 Iterationen gelernt.
Die Working Startgewichte waren: [0.47227794 0.84046741]
Die finalen Gewichte sind: [0.84597594 0.91855378]

Final Test Output:
Input: [0, 0], Target: 0, Output: 0
Input: [0, 1], Target: 1, Output: 1
Input: [1, 0], Target: 1, Output: 1
Input: [1, 1], Target: 0, Output: 0

Epoch Outputs:
Epoch 1:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 2:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 1, Target: 1
  Input: [1, 1], Output: 0, Target: 0

=== Wahrheitstabelle 8: Targets = (0, 1, 1, 1) ===
Nicht funktionierende Startgewichte: [0.22231579 0.51790496]
Nicht funktionierende Startgewichte: [0.41924901 0.662642  ]
Nicht funktionierende Startgewichte: [0.9233613 0.717956 ]
Nicht funktionierende Startgewichte: [0.30069148 0.90408349]
Nicht funktionierende Startgewichte: [0.34275921 0.05704766]
Nicht funktionierende Startgewichte: [0.64998437 0.32886189]
Nicht funktionierende Startgewichte: [0.06807126 0.23020641]
Nicht funktionierende Startgewichte: [0.37153045 0.34881716]
Nicht funktionierende Startgewichte: [0.38341797 0.21309871]
Nicht funktionierende Startgewichte: [0.33966558 0.18822225]
Das Netzwerk hat Wahrheitstabelle 8 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 9: Targets = (1, 0, 0, 0) ===
Nicht funktionierende Startgewichte: [0.38103426 0.226764  ]
Nicht funktionierende Startgewichte: [0.43144492 0.67834486]
Nicht funktionierende Startgewichte: [0.35245144 0.64910545]
Nicht funktionierende Startgewichte: [0.76080553 0.23744221]
Nicht funktionierende Startgewichte: [0.76148899 0.25496107]
Nicht funktionierende Startgewichte: [0.79981323 0.11943574]
Nicht funktionierende Startgewichte: [0.46224772 0.68847051]
Nicht funktionierende Startgewichte: [0.65875482 0.97330968]
Nicht funktionierende Startgewichte: [0.10507515 0.69178154]
Nicht funktionierende Startgewichte: [0.15365098 0.25164998]
Das Netzwerk hat Wahrheitstabelle 9 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 10: Targets = (1, 0, 0, 1) ===
Nicht funktionierende Startgewichte: [0.29732001 0.74072615]
Nicht funktionierende Startgewichte: [0.77766839 0.92383977]
Nicht funktionierende Startgewichte: [0.33754769 0.2471924 ]
Nicht funktionierende Startgewichte: [0.80869937 0.323938  ]
Nicht funktionierende Startgewichte: [0.02516489 0.87822321]
Nicht funktionierende Startgewichte: [0.88671343 0.69978247]
Nicht funktionierende Startgewichte: [0.74476695 0.29532509]
Nicht funktionierende Startgewichte: [0.60312679 0.88506306]
Nicht funktionierende Startgewichte: [0.05913698 0.18844312]
Nicht funktionierende Startgewichte: [0.15485533 0.01694921]
Das Netzwerk hat Wahrheitstabelle 10 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 11: Targets = (1, 0, 1, 0) ===
Nicht funktionierende Startgewichte: [0.43326965 0.27845507]
Nicht funktionierende Startgewichte: [0.06377149 0.18623172]
Nicht funktionierende Startgewichte: [0.0995881  0.91457654]
Nicht funktionierende Startgewichte: [0.78505447 0.57351335]
Nicht funktionierende Startgewichte: [0.22858456 0.21344137]
Nicht funktionierende Startgewichte: [0.2259705  0.04836878]
Nicht funktionierende Startgewichte: [0.58592484 0.76836681]
Nicht funktionierende Startgewichte: [0.02519414 0.91803752]
Nicht funktionierende Startgewichte: [0.63981964 0.75729074]
Nicht funktionierende Startgewichte: [0.38231403 0.21226248]
Das Netzwerk hat Wahrheitstabelle 11 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 12: Targets = (1, 0, 1, 1) ===
Nicht funktionierende Startgewichte: [0.82329346 0.88190566]
Nicht funktionierende Startgewichte: [0.65711658 0.41070094]
Nicht funktionierende Startgewichte: [0.84472528 0.80577226]
Nicht funktionierende Startgewichte: [0.04666594 0.83086382]
Nicht funktionierende Startgewichte: [0.28232885 0.67700376]
Nicht funktionierende Startgewichte: [0.62515697 0.08321881]
Nicht funktionierende Startgewichte: [0.8176606  0.33954496]
Nicht funktionierende Startgewichte: [0.73663159 0.32481794]
Nicht funktionierende Startgewichte: [0.53555541 0.91119019]
Nicht funktionierende Startgewichte: [0.10993374 0.90595966]
Das Netzwerk hat Wahrheitstabelle 12 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 13: Targets = (1, 1, 0, 0) ===
Nicht funktionierende Startgewichte: [0.60172146 0.81315616]
Nicht funktionierende Startgewichte: [0.61901505 0.25308842]
Nicht funktionierende Startgewichte: [0.39878409 0.50208198]
Nicht funktionierende Startgewichte: [0.0417528  0.43012767]
Nicht funktionierende Startgewichte: [0.52312907 0.43535767]
Nicht funktionierende Startgewichte: [0.80587599 0.48780905]
Nicht funktionierende Startgewichte: [0.3294767  0.79239165]
Nicht funktionierende Startgewichte: [0.49530156 0.70812492]
Nicht funktionierende Startgewichte: [0.86852376 0.66910477]
Nicht funktionierende Startgewichte: [0.56922792 0.4491316 ]
Das Netzwerk hat Wahrheitstabelle 13 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 14: Targets = (1, 1, 0, 1) ===
Nicht funktionierende Startgewichte: [0.6654999  0.41101368]
Nicht funktionierende Startgewichte: [0.20348309 0.87454278]
Nicht funktionierende Startgewichte: [0.50427259 0.97429112]
Nicht funktionierende Startgewichte: [0.84100026 0.85129494]
Nicht funktionierende Startgewichte: [0.32031475 0.30045957]
Nicht funktionierende Startgewichte: [0.41024281 0.54407912]
Nicht funktionierende Startgewichte: [0.97231767 0.45876784]
Nicht funktionierende Startgewichte: [0.97925557 0.81747277]
Nicht funktionierende Startgewichte: [0.82249792 0.15070133]
Nicht funktionierende Startgewichte: [0.58006673 0.43028326]
Das Netzwerk hat Wahrheitstabelle 14 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 15: Targets = (1, 1, 1, 0) ===
Nicht funktionierende Startgewichte: [0.85594866 0.89938132]
Nicht funktionierende Startgewichte: [0.78158427 0.1358092 ]
Nicht funktionierende Startgewichte: [0.2578152  0.57625793]
Nicht funktionierende Startgewichte: [0.08682648 0.39861288]
Nicht funktionierende Startgewichte: [0.27219087 0.18540308]
Nicht funktionierende Startgewichte: [0.06733541 0.69796267]
Nicht funktionierende Startgewichte: [0.5696058 0.0660494]
Nicht funktionierende Startgewichte: [0.12881119 0.76768844]
Nicht funktionierende Startgewichte: [0.46790704 0.81952902]
Nicht funktionierende Startgewichte: [0.60533681 0.79953303]
Das Netzwerk hat Wahrheitstabelle 15 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

=== Wahrheitstabelle 16: Targets = (1, 1, 1, 1) ===
Nicht funktionierende Startgewichte: [0.69223518 0.8167802 ]
Nicht funktionierende Startgewichte: [0.6975982  0.65750403]
Nicht funktionierende Startgewichte: [0.91462051 0.00447914]
Nicht funktionierende Startgewichte: [0.41861178 0.28650067]
Nicht funktionierende Startgewichte: [0.91200912 0.28680872]
Nicht funktionierende Startgewichte: [0.9531511  0.01082139]
Nicht funktionierende Startgewichte: [0.35197467 0.32102535]
Nicht funktionierende Startgewichte: [0.72991334 0.91561354]
Nicht funktionierende Startgewichte: [0.4073759  0.28830764]
Nicht funktionierende Startgewichte: [0.16925987 0.22132112]
Das Netzwerk hat Wahrheitstabelle 16 nach 1000 Iterationen nicht korrekt gelernt.

Final Test Output übersprungen, da das Netzwerk nicht gelernt hat.

https://ideone.com/0IG25k

language:

Python 3 (python 3.9.5)

created:

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!

Discover > Sphere Engine API

Discover > IDE Widget

Choose your language