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 0.79s 29460KB

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: [0.38773827 0.10279643]
Die finalen Gewichte sind: [0.38773827 0.10279643]

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: [0.75505487 0.23875388]
Die finalen Gewichte sind: [0.75505487 0.23875388]

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 5 Iterationen gelernt.
Die Working Startgewichte waren: [0.51048581 0.07617452]
Die finalen Gewichte sind: [0.88183548 0.74660211]

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

=== Wahrheitstabelle 4: Targets = (0, 0, 1, 1) ===
Das Netzwerk hat Wahrheitstabelle 4 korrekt nach 34 Iterationen gelernt.
Die Working Startgewichte waren: [1.07740021 0.86479463]
Die finalen Gewichte sind: [0.99109129 0.10955336]

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: 0, Target: 1
  Input: [1, 1], Output: 0, Target: 1
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: 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: 1, 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: 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: 1, 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: 0, Target: 0
  Input: [1, 0], Output: 1, 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: 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: 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: 1, Target: 1
Epoch 17:
  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 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: 1, 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: 1, 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: 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: 0, 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: 1, Target: 1
Epoch 25:
  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 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: 0, 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: 0, Target: 1
Epoch 33:
  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 34:
  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 3 Iterationen gelernt.
Die Working Startgewichte waren: [0.10152681 0.24830332]
Die finalen Gewichte sind: [0.48749899 0.93966495]

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

=== Wahrheitstabelle 6: Targets = (0, 1, 0, 1) ===
Das Netzwerk hat Wahrheitstabelle 6 korrekt nach 2 Iterationen gelernt.
Die Working Startgewichte waren: [0.06407221 0.862664  ]
Die finalen Gewichte sind: [0.23128033 0.89233895]

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: 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: 1, Target: 1

=== Wahrheitstabelle 7: Targets = (0, 1, 1, 0) ===
Das Netzwerk hat Wahrheitstabelle 7 korrekt nach 12 Iterationen gelernt.
Die Working Startgewichte waren: [0.51264224 0.93428104]
Die finalen Gewichte sind: [0.97493662 0.93096405]

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: 1, 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: 0, Target: 1
  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: 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: 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: 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: 1, 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: 1, Target: 0
Epoch 8:
  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 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: 0, Target: 1
  Input: [1, 1], Output: 1, Target: 0
Epoch 12:
  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: [0.98848234 0.64882777]
Nicht funktionierende Startgewichte: [0.3104258  0.73265117]
Nicht funktionierende Startgewichte: [0.13187407 0.78462238]
Nicht funktionierende Startgewichte: [0.03356816 0.63518944]
Nicht funktionierende Startgewichte: [0.94692806 0.78994414]
Nicht funktionierende Startgewichte: [0.11790609 0.85143647]
Nicht funktionierende Startgewichte: [0.06739948 0.35664873]
Nicht funktionierende Startgewichte: [0.16104049 0.25002758]
Nicht funktionierende Startgewichte: [0.19100308 0.9489133 ]
Nicht funktionierende Startgewichte: [0.30138287 0.97383476]
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: [0.87951492 0.4093497 ]
Nicht funktionierende Startgewichte: [0.44023511 0.65086775]
Nicht funktionierende Startgewichte: [0.9686673  0.06497045]
Nicht funktionierende Startgewichte: [0.57251096 0.47692894]
Nicht funktionierende Startgewichte: [0.68335117 0.1011484 ]
Nicht funktionierende Startgewichte: [0.68012294 0.07287977]
Nicht funktionierende Startgewichte: [0.01709427 0.65199311]
Nicht funktionierende Startgewichte: [0.4149376  0.20386562]
Nicht funktionierende Startgewichte: [0.60580681 0.97420822]
Nicht funktionierende Startgewichte: [0.16820164 0.96104177]
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: [0.80709045 0.15463539]
Nicht funktionierende Startgewichte: [0.21810825 0.4192519 ]
Nicht funktionierende Startgewichte: [0.92207141 0.66858942]
Nicht funktionierende Startgewichte: [0.13371935 0.50905793]
Nicht funktionierende Startgewichte: [0.72561085 0.99289279]
Nicht funktionierende Startgewichte: [0.87389264 0.92017935]
Nicht funktionierende Startgewichte: [0.5575816  0.51507492]
Nicht funktionierende Startgewichte: [0.20290548 0.93042401]
Nicht funktionierende Startgewichte: [0.60479189 0.0815959 ]
Nicht funktionierende Startgewichte: [0.31289238 0.79173406]
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: [0.71414818 0.68589416]
Nicht funktionierende Startgewichte: [0.15930946 0.19489759]
Nicht funktionierende Startgewichte: [0.69481493 0.31514119]
Nicht funktionierende Startgewichte: [0.65165506 0.5786979 ]
Nicht funktionierende Startgewichte: [0.58344345 0.52212197]
Nicht funktionierende Startgewichte: [0.24200479 0.85915637]
Nicht funktionierende Startgewichte: [0.14577559 0.05425803]
Nicht funktionierende Startgewichte: [0.00363129 0.11247704]
Nicht funktionierende Startgewichte: [0.40375901 0.06599732]
Nicht funktionierende Startgewichte: [0.55610551 0.43111158]
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: [0.39775101 0.48047398]
Nicht funktionierende Startgewichte: [0.99645888 0.19998983]
Nicht funktionierende Startgewichte: [0.24353631 0.98498377]
Nicht funktionierende Startgewichte: [0.20088422 0.42288884]
Nicht funktionierende Startgewichte: [0.62129332 0.98646244]
Nicht funktionierende Startgewichte: [0.69392985 0.08077665]
Nicht funktionierende Startgewichte: [0.81134423 0.51517592]
Nicht funktionierende Startgewichte: [0.54984322 0.18454394]
Nicht funktionierende Startgewichte: [0.32729865 0.9051019 ]
Nicht funktionierende Startgewichte: [0.03187582 0.5150429 ]
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: [0.47242338 0.82742324]
Nicht funktionierende Startgewichte: [0.03212829 0.14880005]
Nicht funktionierende Startgewichte: [0.07224835 0.21550571]
Nicht funktionierende Startgewichte: [0.18260943 0.54409428]
Nicht funktionierende Startgewichte: [0.52646334 0.45260972]
Nicht funktionierende Startgewichte: [0.04237218 0.43892235]
Nicht funktionierende Startgewichte: [0.51200675 0.17467328]
Nicht funktionierende Startgewichte: [0.88395505 0.55185564]
Nicht funktionierende Startgewichte: [0.0340421  0.17144036]
Nicht funktionierende Startgewichte: [0.22346098 0.45516858]
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: [0.22587166 0.60801149]
Nicht funktionierende Startgewichte: [0.43712019 0.79864434]
Nicht funktionierende Startgewichte: [0.6638768  0.39173726]
Nicht funktionierende Startgewichte: [0.76649336 0.40165569]
Nicht funktionierende Startgewichte: [0.99832893 0.48500192]
Nicht funktionierende Startgewichte: [0.43898492 0.04504618]
Nicht funktionierende Startgewichte: [0.74250923 0.94938417]
Nicht funktionierende Startgewichte: [0.42625681 0.16349822]
Nicht funktionierende Startgewichte: [0.31129607 0.63805399]
Nicht funktionierende Startgewichte: [0.80418409 0.2872413 ]
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: [0.11362044 0.63055993]
Nicht funktionierende Startgewichte: [0.63945797 0.70937432]
Nicht funktionierende Startgewichte: [0.92272302 0.90924851]
Nicht funktionierende Startgewichte: [0.63042411 0.21637552]
Nicht funktionierende Startgewichte: [0.61886216 0.52700159]
Nicht funktionierende Startgewichte: [0.53814475 0.0444355 ]
Nicht funktionierende Startgewichte: [0.64912721 0.18189709]
Nicht funktionierende Startgewichte: [0.03719822 0.94576664]
Nicht funktionierende Startgewichte: [0.15360714 0.78095148]
Nicht funktionierende Startgewichte: [0.40600397 0.31660618]
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: [0.78439559 0.65993062]
Nicht funktionierende Startgewichte: [0.44506    0.72518468]
Nicht funktionierende Startgewichte: [0.45978126 0.7954309 ]
Nicht funktionierende Startgewichte: [0.97940222 0.99338334]
Nicht funktionierende Startgewichte: [0.84584151 0.73180686]
Nicht funktionierende Startgewichte: [0.99089567 0.55965903]
Nicht funktionierende Startgewichte: [0.33363897 0.67078637]
Nicht funktionierende Startgewichte: [0.50706353 0.49436478]
Nicht funktionierende Startgewichte: [0.25042326 0.04149112]
Nicht funktionierende Startgewichte: [0.93591202 0.23430902]
Das Netzwerk hat Wahrheitstabelle 16 nach 1000 Iterationen nicht korrekt gelernt.

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

https://ideone.com/zIuRaD

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