3-amaliy mashg’ulot: Mavzu: Sun’iy neyron tarmoqlar uchun zamonaviy dasturiy ta’minot

Ishni bajarish:
Keling endi, Python-dagi kodimizga to’gri tarqatish funksiyasini qo’shib ko’ramiz. E'tibor bering, soddaroq bo’lishi uchun biz hisoblashlarni 0 ga teng deb taxmin qildik.

	class NeuralNetwork:
	def __init__(self, x, y):
	self.input = x
	self.weights1 = np.random.rand(self.input.shape[1],4)
	self.weights2 = np.random.rand(4,1)
	self.y = y
	self.output = np.zeros(self.y.shape)
	def feedforward(self):
	self.layer1 = sigmoid(np.dot(self.input, self.weights1))
	self.output = sigmoid(np.dot(self.layer1, self.weights2))

Biroq, bizga taxminlarimizning "yaxshiliklarini" baholash uchun usul kerak, ya'ni bizning prognozlarimiz qay darajada). Yo'qotish funktsiyasi bizga bunga imkon beradi.
Yo'qotish funktsiyasi
Yo'qotish funktsiyalari juda ko'p, va bizning topshirig’imizning mohiyati yo'qotish funktsiyasini tanlashimizga asos bo’ladi. Yo'qotish funksiyasi sifatida xatoliklar kvadratlari yig'indisidan foydalanamiz.

Xatolar kvadratlarining yig'indisi har bir taxmin qilingan va haqiqiy qiymat o'rtasidagi farqning o'rtacha qiymatidir.