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 0.61s 29284KB

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: [0.27560521 0.48518597]
Die finalen Gewichte sind: [0.27560521 0.48518597]

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: [0.14975256 0.77537345]
Die finalen Gewichte sind: [0.14975256 0.77537345]

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 13 Iterationen gelernt.
Die Working Startgewichte waren: [0.99990473 0.78237238]
Die finalen Gewichte sind: [0.89037912 0.43330585]

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: 1, Target: 0
  Input: [1, 0], Output: 1, 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: 1, Target: 0
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: 0
Epoch 5:
  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: 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: 0, 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: 0, 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: 1, Target: 0
  Input: [1, 0], Output: 1, 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: 1, Target: 1
  Input: [1, 1], Output: 0, Target: 0

=== Wahrheitstabelle 4: Targets = (0, 0, 1, 1) ===
Das Netzwerk hat Wahrheitstabelle 4 korrekt nach 32 Iterationen gelernt.
Die Working Startgewichte waren: [0.92475974 0.96725033]
Die finalen Gewichte sind: [0.82277025 0.32009873]

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: 1, Target: 0
  Input: [1, 0], Output: 1, 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: 1, Target: 1
  Input: [1, 1], Output: 0, 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: 1, 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: 0, Target: 1
  Input: [1, 1], Output: 0, 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: 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: 0, 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: 0, 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: 0, 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: 0, 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: 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: 0, 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: 0, Target: 0
  Input: [1, 0], Output: 0, Target: 1
  Input: [1, 1], Output: 0, 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: 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: 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: 1, Target: 1
Epoch 27:
  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 28:
  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 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: 1, Target: 1
Epoch 30:
  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 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: 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 29 Iterationen gelernt.
Die Working Startgewichte waren: [0.57615174 0.29989326]
Die finalen Gewichte sind: [0.33326243 0.89757593]

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: 1, Target: 0
Epoch 2:
  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: 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: 1, 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: 0, 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: 0, Target: 1
  Input: [1, 0], Output: 0, Target: 0
  Input: [1, 1], Output: 0, Target: 0
Epoch 10:
  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: 0
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: 0
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: 1, Target: 0
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: 0
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: 1, Target: 0
Epoch 15:
  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 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: 1, Target: 0
Epoch 17:
  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: 0
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: 0
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: 0, Target: 0
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: 0, Target: 0
Epoch 21:
  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: 0
Epoch 22:
  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: 0
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: 0, Target: 0
Epoch 24:
  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 25:
  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 26:
  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 27:
  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: 0
Epoch 28:
  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: 0
Epoch 29:
  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 10 Iterationen gelernt.
Die Working Startgewichte waren: [0.81529481 0.37887944]
Die finalen Gewichte sind: [0.11630833 0.89598329]

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: 1, 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: 0, 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: 0, Target: 1
Epoch 5:
  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 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: 0, 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: 0, Target: 0
  Input: [1, 1], Output: 1, Target: 1
Epoch 9:
  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 10:
  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 34 Iterationen gelernt.
Die Working Startgewichte waren: [0.48112052 0.10406816]
Die finalen Gewichte sind: [0.84601731 0.85036423]

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: 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: 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: 0, Target: 1
  Input: [1, 0], Output: 1, Target: 1
  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: 1
  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: 1
  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: 1
  Input: [1, 1], Output: 0, Target: 0
Epoch 8:
  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 9:
  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 10:
  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 11:
  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: 1, Target: 0
Epoch 12:
  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 13:
  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: 1, Target: 0
Epoch 14:
  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 15:
  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: 1, Target: 0
Epoch 16:
  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 17:
  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 18:
  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 19:
  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: 1, Target: 0
Epoch 20:
  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: 1, Target: 0
Epoch 21:
  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 22:
  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 23:
  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: 1, Target: 0
Epoch 24:
  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: 1, Target: 0
Epoch 25:
  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 26:
  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: 1, Target: 0
Epoch 27:
  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: 1, Target: 0
Epoch 28:
  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 29:
  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 30:
  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 31:
  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 32:
  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 33:
  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 34:
  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: [0.59786709 0.82459808]
Nicht funktionierende Startgewichte: [0.53990924 0.28752339]
Nicht funktionierende Startgewichte: [0.15313962 0.57506262]
Nicht funktionierende Startgewichte: [0.45734939 0.35959358]
Nicht funktionierende Startgewichte: [0.28701897 0.3502723 ]
Nicht funktionierende Startgewichte: [0.93207505 0.99068651]
Nicht funktionierende Startgewichte: [0.47152289 0.95920933]
Nicht funktionierende Startgewichte: [0.5208777  0.73864294]
Nicht funktionierende Startgewichte: [0.6041065  0.43590534]
Nicht funktionierende Startgewichte: [0.46085011 0.47658661]
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: [0.72815316 0.74197165]
Nicht funktionierende Startgewichte: [0.26281778 0.97374785]
Nicht funktionierende Startgewichte: [0.74367803 0.46831262]
Nicht funktionierende Startgewichte: [0.81579514 0.78419425]
Nicht funktionierende Startgewichte: [0.43995578 0.07823524]
Nicht funktionierende Startgewichte: [0.00416094 0.35990538]
Nicht funktionierende Startgewichte: [0.89877818 0.84706345]
Nicht funktionierende Startgewichte: [0.27130361 0.21697214]
Nicht funktionierende Startgewichte: [0.04084064 0.56655295]
Nicht funktionierende Startgewichte: [0.83253322 0.76223585]
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: [0.8324418  0.06956773]
Nicht funktionierende Startgewichte: [0.12219807 0.7504043 ]
Nicht funktionierende Startgewichte: [0.93286567 0.22479919]
Nicht funktionierende Startgewichte: [0.29599384 0.36756975]
Nicht funktionierende Startgewichte: [0.55676558 0.31359192]
Nicht funktionierende Startgewichte: [0.04642017 0.50014003]
Nicht funktionierende Startgewichte: [0.47449048 0.21794357]
Nicht funktionierende Startgewichte: [0.44166049 0.06366306]
Nicht funktionierende Startgewichte: [0.94861376 0.8557872 ]
Nicht funktionierende Startgewichte: [0.38132184 0.27584297]
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: [0.10512327 0.64254212]
Nicht funktionierende Startgewichte: [0.32844586 0.8162905 ]
Nicht funktionierende Startgewichte: [0.5603887  0.37412432]
Nicht funktionierende Startgewichte: [0.24341239 0.59330762]
Nicht funktionierende Startgewichte: [0.90137299 0.40086809]
Nicht funktionierende Startgewichte: [0.36206727 0.44885792]
Nicht funktionierende Startgewichte: [0.81041525 0.31122392]
Nicht funktionierende Startgewichte: [0.05052073 0.68770916]
Nicht funktionierende Startgewichte: [0.09847462 0.02548184]
Nicht funktionierende Startgewichte: [0.22827993 0.80242567]
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: [0.94675632 0.75436409]
Nicht funktionierende Startgewichte: [0.06340645 0.77332827]
Nicht funktionierende Startgewichte: [0.36060113 0.95172737]
Nicht funktionierende Startgewichte: [0.22197893 0.13641985]
Nicht funktionierende Startgewichte: [0.02292379 0.03206606]
Nicht funktionierende Startgewichte: [0.97846149 0.04138597]
Nicht funktionierende Startgewichte: [0.95838918 0.06243819]
Nicht funktionierende Startgewichte: [0.93761903 0.08622771]
Nicht funktionierende Startgewichte: [0.2831846  0.37331373]
Nicht funktionierende Startgewichte: [0.90234468 0.10650798]
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: [0.17845056 0.51135893]
Nicht funktionierende Startgewichte: [0.2508043  0.35203487]
Nicht funktionierende Startgewichte: [0.80584374 0.4694965 ]
Nicht funktionierende Startgewichte: [0.56035319 0.96968795]
Nicht funktionierende Startgewichte: [0.72623499 0.48619286]
Nicht funktionierende Startgewichte: [0.26240053 0.79915864]
Nicht funktionierende Startgewichte: [0.38056037 0.13647502]
Nicht funktionierende Startgewichte: [0.4128656  0.29408861]
Nicht funktionierende Startgewichte: [0.08094948 0.77372224]
Nicht funktionierende Startgewichte: [0.95138618 0.09839061]
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: [0.60731181 0.33571078]
Nicht funktionierende Startgewichte: [0.40266495 0.0158118 ]
Nicht funktionierende Startgewichte: [0.50748461 0.48404488]
Nicht funktionierende Startgewichte: [0.40088822 0.35620761]
Nicht funktionierende Startgewichte: [0.54103039 0.06955944]
Nicht funktionierende Startgewichte: [0.33481723 0.65594883]
Nicht funktionierende Startgewichte: [0.35299045 0.78793517]
Nicht funktionierende Startgewichte: [0.46916758 0.88830333]
Nicht funktionierende Startgewichte: [0.29378387 0.87407473]
Nicht funktionierende Startgewichte: [0.67763304 0.91587574]
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: [0.60307901 0.2778987 ]
Nicht funktionierende Startgewichte: [0.80553075 0.20209546]
Nicht funktionierende Startgewichte: [0.23639171 0.08031393]
Nicht funktionierende Startgewichte: [0.75234097 0.97376945]
Nicht funktionierende Startgewichte: [0.19777706 0.46392688]
Nicht funktionierende Startgewichte: [0.75169311 0.29907159]
Nicht funktionierende Startgewichte: [0.4769102  0.05409893]
Nicht funktionierende Startgewichte: [0.51358383 0.45708595]
Nicht funktionierende Startgewichte: [0.41205259 0.78579511]
Nicht funktionierende Startgewichte: [0.40944014 0.19998772]
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: [0.38830972 0.3381108 ]
Nicht funktionierende Startgewichte: [0.25782958 0.48295686]
Nicht funktionierende Startgewichte: [0.49515593 0.56842792]
Nicht funktionierende Startgewichte: [0.64128289 0.92796975]
Nicht funktionierende Startgewichte: [0.67610161 0.09512917]
Nicht funktionierende Startgewichte: [0.14596646 0.4209368 ]
Nicht funktionierende Startgewichte: [0.90397172 0.87230405]
Nicht funktionierende Startgewichte: [0.59444687 0.79434336]
Nicht funktionierende Startgewichte: [0.71241537 0.86396483]
Nicht funktionierende Startgewichte: [0.48235416 0.27378355]
Das Netzwerk hat Wahrheitstabelle 16 nach 1000 Iterationen nicht korrekt gelernt.

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

https://ideone.com/qS7Tqe

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