Ideone.com

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 0.82s 29472KB

stdin

copy

Standard input is empty

stdout

copy

=== Wahrheitstabelle 1: Targets = (0, 0, 0, 0) ===
Das Netzwerk hat Wahrheitstabelle 1 korrekt nach 1 Iterationen gelernt.
Die Working Startgewichte waren: [0.04908686 0.30586383]
Die finalen Gewichte sind: [0.04908686 0.30586383]

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: 0, Target: 0

=== Wahrheitstabelle 2: Targets = (0, 0, 0, 1) ===
Das Netzwerk hat Wahrheitstabelle 2 korrekt nach 1 Iterationen gelernt.
Die Working Startgewichte waren: [0.74029174 0.09964031]
Die finalen Gewichte sind: [0.74029174 0.09964031]

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: 1, Target: 1

=== Wahrheitstabelle 3: Targets = (0, 0, 1, 0) ===
Das Netzwerk hat Wahrheitstabelle 3 korrekt nach 14 Iterationen gelernt.
Die Working Startgewichte waren: [0.35999286 0.1810049 ]
Die finalen Gewichte sind: [0.94816214 0.7259767 ]

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: 0, 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: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 4:
  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: 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: 0, Target: 0
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: 0, Target: 0
Epoch 7:
  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: 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: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
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: 0
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: 0, Target: 0
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: 0
Epoch 14:
  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 33 Iterationen gelernt.
Die Working Startgewichte waren: [0.22790499 0.21408316]
Die finalen Gewichte sind: [0.80649632 0.19327373]

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: 1, 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: 1, 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: 0, 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: 1, Target: 1
Epoch 6:
  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 7:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 0
  Input: [1, 0], Output: 1, 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: 0, Target: 1
Epoch 9:
  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 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: 0, 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: 1, Target: 1
  Input: [1, 1], Output: 0, Target: 1
Epoch 13:
  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 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: 1, Target: 1
Epoch 15:
  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 16:
  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 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: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, 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: 1, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 1
Epoch 22:
  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 23:
  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 24:
  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 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: 1, 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: 1, 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: 1, 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: 0, 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: 0, Target: 1
Epoch 32:
  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 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: 1, Target: 1

=== Wahrheitstabelle 5: Targets = (0, 1, 0, 0) ===
Das Netzwerk hat Wahrheitstabelle 5 korrekt nach 1 Iterationen gelernt.
Die Working Startgewichte waren: [0.66957959 0.8499687 ]
Die finalen Gewichte sind: [0.66957959 0.8499687 ]

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: 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 7 Iterationen gelernt.
Die Working Startgewichte waren: [0.61308989 0.29689277]
Die finalen Gewichte sind: [0.27687639 0.80044094]

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

=== Wahrheitstabelle 7: Targets = (0, 1, 1, 0) ===
Das Netzwerk hat Wahrheitstabelle 7 korrekt nach 5 Iterationen gelernt.
Die Working Startgewichte waren: [0.28420682 0.34745301]
Die finalen Gewichte sind: [0.81603511 0.82685304]

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: 0, Target: 1
  Input: [1, 0], Output: 1, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 3:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 4:
  Input: [0, 0], Output: 0, Target: 0
  Input: [0, 1], Output: 1, Target: 1
  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: 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: [1.00626886 0.72257274]
Nicht funktionierende Startgewichte: [0.27844555 0.15353705]
Nicht funktionierende Startgewichte: [0.39154628 0.27786124]
Nicht funktionierende Startgewichte: [0.73335815 0.11719541]
Nicht funktionierende Startgewichte: [0.48203462 0.62234567]
Nicht funktionierende Startgewichte: [0.60437609 0.02332328]
Nicht funktionierende Startgewichte: [0.21062722 0.73821918]
Nicht funktionierende Startgewichte: [0.33824227 0.95027879]
Nicht funktionierende Startgewichte: [0.19193013 0.96062598]
Nicht funktionierende Startgewichte: [0.08764543 0.57162555]
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: [0.35070408 0.61049273]
Nicht funktionierende Startgewichte: [0.07967829 0.83683458]
Nicht funktionierende Startgewichte: [0.93582212 0.26286097]
Nicht funktionierende Startgewichte: [0.25331933 0.50807163]
Nicht funktionierende Startgewichte: [0.1705456  0.80227306]
Nicht funktionierende Startgewichte: [0.46300174 0.83667623]
Nicht funktionierende Startgewichte: [0.26892359 0.83263274]
Nicht funktionierende Startgewichte: [0.69280407 0.84741938]
Nicht funktionierende Startgewichte: [0.14755113 0.19833996]
Nicht funktionierende Startgewichte: [0.24147534 0.6992792 ]
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: [0.80922736 0.09028757]
Nicht funktionierende Startgewichte: [0.5405321  0.56753971]
Nicht funktionierende Startgewichte: [0.24097655 0.75928501]
Nicht funktionierende Startgewichte: [0.47291627 0.51604559]
Nicht funktionierende Startgewichte: [0.94933875 0.88990171]
Nicht funktionierende Startgewichte: [0.08681776 0.76944867]
Nicht funktionierende Startgewichte: [0.4485846  0.40052391]
Nicht funktionierende Startgewichte: [0.17327015 0.81671306]
Nicht funktionierende Startgewichte: [0.02904505 0.2163326 ]
Nicht funktionierende Startgewichte: [0.9093743  0.75785645]
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: [0.8225794 0.4000428]
Nicht funktionierende Startgewichte: [0.98671281 0.11098059]
Nicht funktionierende Startgewichte: [0.26286544 0.26440464]
Nicht funktionierende Startgewichte: [0.05294053 0.29868837]
Nicht funktionierende Startgewichte: [0.91566278 0.06982554]
Nicht funktionierende Startgewichte: [0.7780504 0.1642802]
Nicht funktionierende Startgewichte: [0.60660319 0.38703642]
Nicht funktionierende Startgewichte: [0.83241096 0.40039992]
Nicht funktionierende Startgewichte: [0.95714724 0.35670058]
Nicht funktionierende Startgewichte: [0.5105707  0.39681123]
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: [0.45174863 0.52349366]
Nicht funktionierende Startgewichte: [0.73513801 0.09437138]
Nicht funktionierende Startgewichte: [0.43564019 0.24809389]
Nicht funktionierende Startgewichte: [0.07090703 0.52504113]
Nicht funktionierende Startgewichte: [0.88815833 0.20162628]
Nicht funktionierende Startgewichte: [0.30338401 0.92229046]
Nicht funktionierende Startgewichte: [0.44328632 0.85342697]
Nicht funktionierende Startgewichte: [0.61934333 0.99163964]
Nicht funktionierende Startgewichte: [0.48807066 0.51398907]
Nicht funktionierende Startgewichte: [0.2124033  0.76290455]
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: [0.67980186 0.01095438]
Nicht funktionierende Startgewichte: [0.22685751 0.81785169]
Nicht funktionierende Startgewichte: [0.77246343 0.52588654]
Nicht funktionierende Startgewichte: [0.49615366 0.33124734]
Nicht funktionierende Startgewichte: [0.89006211 0.87020978]
Nicht funktionierende Startgewichte: [0.76243298 0.1149774 ]
Nicht funktionierende Startgewichte: [0.91456783 0.92341169]
Nicht funktionierende Startgewichte: [0.93882983 0.91589475]
Nicht funktionierende Startgewichte: [0.6273233  0.77902565]
Nicht funktionierende Startgewichte: [0.55785757 0.8522145 ]
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: [0.56912171 0.20771145]
Nicht funktionierende Startgewichte: [0.55151905 0.55552318]
Nicht funktionierende Startgewichte: [0.81579291 0.24225439]
Nicht funktionierende Startgewichte: [0.21044377 0.72881298]
Nicht funktionierende Startgewichte: [0.85271982 0.65606915]
Nicht funktionierende Startgewichte: [0.63721883 0.43718414]
Nicht funktionierende Startgewichte: [0.70541285 0.49250262]
Nicht funktionierende Startgewichte: [0.67262495 0.826617  ]
Nicht funktionierende Startgewichte: [0.05208444 0.38862825]
Nicht funktionierende Startgewichte: [0.37253754 0.55505903]
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: [0.81279242 0.67277589]
Nicht funktionierende Startgewichte: [0.24990692 0.47583659]
Nicht funktionierende Startgewichte: [0.67531865 0.49247472]
Nicht funktionierende Startgewichte: [0.58003069 0.68985193]
Nicht funktionierende Startgewichte: [0.51166889 0.39751647]
Nicht funktionierende Startgewichte: [0.6841427  0.21084702]
Nicht funktionierende Startgewichte: [0.14716019 0.30712612]
Nicht funktionierende Startgewichte: [0.46245353 0.41332323]
Nicht funktionierende Startgewichte: [0.44852808 0.80897807]
Nicht funktionierende Startgewichte: [0.56303883 0.76267614]
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: [0.2542732 0.6206032]
Nicht funktionierende Startgewichte: [0.00643345 0.08830895]
Nicht funktionierende Startgewichte: [0.02279881 0.57615938]
Nicht funktionierende Startgewichte: [0.60880347 0.12915637]
Nicht funktionierende Startgewichte: [0.63733607 0.07285711]
Nicht funktionierende Startgewichte: [0.64218409 0.87508964]
Nicht funktionierende Startgewichte: [0.66409805 0.67785258]
Nicht funktionierende Startgewichte: [0.2343313  0.16082457]
Nicht funktionierende Startgewichte: [0.88743242 0.2582956 ]
Nicht funktionierende Startgewichte: [0.35018429 0.28708918]
Das Netzwerk hat Wahrheitstabelle 16 nach 1000 Iterationen nicht korrekt gelernt.

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

https://ideone.com/cZ0tus

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