NeuralNetworks

1
import numpy as np
2
from tsensor import explain as exp
3

4
# Прямой проход через первый слой простой нейронной сети (forwardPass).
5

6
"""
7
Входные данные для нейронной сети.
8
Создает массив NumPy x_input размером 5x1 (5 строк, 1 столбец).
9
В каждой строке содержится одно число: 10, 20, -20, -40 и -3 соответственно. 
10
"""
11
# Создание входных данных (Create Input Data)
12
x_input = np.array([[10], [20], [-20], [-40], [-3]])
13

14
"""
15
Создание весов и смещений первого слоя
16

17
l1_weights = np.array([[.73, .2]]):
18
* Создает массив весов l1_weights размером 1x2, содержащий коэффициенты для линейного преобразования во входном слое нейронной сети. В данном случае, это веса для связи единственного входного нейрона с двумя нейронами следующего слоя.
19

20
l1_bias = np.array([[4, 2]]):
21
*Создает массив смещений l1_bias размером 1x2, содержащий значения смещения для двух нейронов следующего слоя. Смещения добавляются к взвешенной сумме входных значений, влияя на выход нейронов.
22
"""
23
# 1x2 weight matrix
24
l1_weights = np.array([[.73, .2]])
25

26
# 1x2 bias matrix
27
l1_bias = np.array([[4, 2]])
28
"""
29
Вычисление выхода первого слоя
30

31
l1_output = x_input @ l1_weights + l1_bias:
32
* Вычисляет выход первого слоя нейронной сети l1_output.
33
* @: Оператор матричного умножения.
34
* x_input @ l1_weights: Выполняет матричное умножение входных данных x_input на матрицу весов l1_weights. Это взвешенная сумма входных значений для каждого нейрона следующего слоя.
35
*+ l1_bias: Добавляет к взвешенной сумме соответствующие значения смещения из l1_bias.
36
"""
37

38
# output
39
with exp() as c:
40
    l1_output = x_input @ l1_weights + l1_bias
41