Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío: Creación de una Neurona | Red Neuronal Desde Cero
Introducción a las Redes Neuronales

bookDesafío: 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:

  1. Inicialización de parámetros:
    • Crea el arreglo de pesos utilizando np.random.uniform() con valores en el rango [1,1)[-1, 1).
  • Crea un único valor de sesgo usando la misma distribución uniforme.
  • Ambos deben inicializarse en el constructor de la neurona (__init__).
  1. 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.
  1. Aplicación de la función de activación:
  • Utiliza la función sigmoid() proporcionada para calcular la salida de la neurona a partir de input_sum_with_bias.
  • Almacena el resultado en la variable output y devuélvelo.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 2. Capítulo 2
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

close

Awesome!

Completion rate improved to 4

bookDesafío: 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:

  1. Inicialización de parámetros:
    • Crea el arreglo de pesos utilizando np.random.uniform() con valores en el rango [1,1)[-1, 1).
  • Crea un único valor de sesgo usando la misma distribución uniforme.
  • Ambos deben inicializarse en el constructor de la neurona (__init__).
  1. 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.
  1. Aplicación de la función de activación:
  • Utiliza la función sigmoid() proporcionada para calcular la salida de la neurona a partir de input_sum_with_bias.
  • Almacena el resultado en la variable output y devuélvelo.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 2. Capítulo 2
single

single

some-alt