معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Feed Forward Neural Networks

ویژگی	مقدار
سیستم عامل	-
نام فایل	feedforwardnet-shine7-0.0.4
نام	feedforwardnet-shine7
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Subhash Sarangi
ایمیل نویسنده	subhashsarangi123@gmail.com
آدرس صفحه اصلی	https://github.com/Subhash3/Neural-Networks/tree/master/Feed_Forward_Networks
آدرس اینترنتی	https://pypi.org/project/feedforwardnet-shine7/
مجوز	-

## Installation ```bash $ [sudo] pip install feedforwardnet-shine7 ``` ## Usage ```python3 from Neural_Network import NeuralNetwork # Create a Neural Network inputs = 2 output_neurons = 1 hidden_layers = 2 each_hidden_nodes = [2, 3] network = NeuralNetwork(inputs, hidden_layers, output_neurons, each_hidden_nodes) ``` ### Building a dataset Dataset must be python list of data_samples, where each data_sample is a list of input and target. For Eg: Input: [1, 1], Target: [1] => [[1, 1], [1]] is a data sample. A typical XOR function's dataset looks something like : ```python >>> XOR_data = [ [ ### #### [0, 0], # Input Data [0] # Output Sample ], ### #### [ [0, 1], [1] ], [ [1, 0], [1] ], [ [1, 1], [0] ] ] >>> size = 4 # Length of the data ``` ### Training The network The library provides a *Train* function which accepts the dataset, dataset size, and three optional parameters MAX\_EPOCHS, graph, and log_outputs. ```python3 def Train(dataset, size, MAX_EPOCHS=10000, graph=False, log_outputs=True) : .... .... ``` For Eg: If you want to train your network for 5000 epochs and display epoch vs error graph after training. ```python3 >>> network.Train(XOR_data, size, MAX_EPOCHS=5000, graph=True) ``` Notice that I didn't change the value of log_outputs as I want the output to printed for each epoch. ### Debugging If you want to look at the network's weights at any point of time, the library provides a print\_weights function. ```python >>> network.print_weights() ```

نحوه نصب

نصب پکیج whl feedforwardnet-shine7-0.0.4:

pip install feedforwardnet-shine7-0.0.4.whl

نصب پکیج tar.gz feedforwardnet-shine7-0.0.4:

pip install feedforwardnet-shine7-0.0.4.tar.gz