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:
- Inicializar parámetros:
- Crea el arreglo de pesos usando
np.random.uniform()con valores en el rango [−1,1).
- Crea el arreglo de pesos usando
- Crea un único valor de sesgo utilizando la misma distribución uniforme.
- Ambos deben inicializarse en el constructor de la neurona (
__init__).
- Calcular 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.
- Aplicar 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
Suggested prompts:
Can you explain this in simpler terms?
What are the main takeaways from this?
Can you give me an example?
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:
- Inicializar parámetros:
- Crea el arreglo de pesos usando
np.random.uniform()con valores en el rango [−1,1).
- Crea el arreglo de pesos usando
- Crea un único valor de sesgo utilizando la misma distribución uniforme.
- Ambos deben inicializarse en el constructor de la neurona (
__init__).
- Calcular 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.
- Aplicar 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