Desafío: Creación de una Neurona
Tarea
Swipe to start coding
Tu tarea es implementar la estructura básica de una sola neurona completando las partes faltantes del código a continuación.
Sigue estos pasos cuidadosamente:
- Inicialización de parámetros:
- Crea el arreglo de pesos utilizando
np.random.uniform()con valores en el rango [−1,1).
- Crea el arreglo de pesos utilizando
- Crea un único valor de sesgo usando la misma distribución uniforme.
- Ambos deben inicializarse en el constructor de la neurona (
__init__).
- Cálculo de la entrada de la neurona:
- Dentro del método
activate(), calcula la suma ponderada de las entradas usando el producto punto:
np.dot(inputs, self.weights)
- Suma el sesgo a este resultado y almacena el resultado en la variable
input_sum_with_bias.
- Aplicación de la función de activación:
- Utiliza la función
sigmoid()proporcionada para calcular la salida de la neurona a partir deinput_sum_with_bias. - Almacena el resultado en la variable
outputy devuélvelo.
Solución
¿Todo estuvo claro?
¡Gracias por tus comentarios!
Sección 2. Capítulo 2
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Awesome!
Completion rate improved to 4
Desafío: Creación de una Neurona
Desliza para mostrar el menú
Tarea
Swipe to start coding
Tu tarea es implementar la estructura básica de una sola neurona completando las partes faltantes del código a continuación.
Sigue estos pasos cuidadosamente:
- Inicialización de parámetros:
- Crea el arreglo de pesos utilizando
np.random.uniform()con valores en el rango [−1,1).
- Crea el arreglo de pesos utilizando
- Crea un único valor de sesgo usando la misma distribución uniforme.
- Ambos deben inicializarse en el constructor de la neurona (
__init__).
- Cálculo de la entrada de la neurona:
- Dentro del método
activate(), calcula la suma ponderada de las entradas usando el producto punto:
np.dot(inputs, self.weights)
- Suma el sesgo a este resultado y almacena el resultado en la variable
input_sum_with_bias.
- Aplicación de la función de activación:
- Utiliza la función
sigmoid()proporcionada para calcular la salida de la neurona a partir deinput_sum_with_bias. - Almacena el resultado en la variable
outputy devuélvelo.
Solución
¿Todo estuvo claro?
¡Gracias por tus comentarios!
Sección 2. Capítulo 2
single