add files for exercise 3

Lösungen_N/AB3.ipynb

@@ -0,0 +1,19 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "1b99095f",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  }
+ ],
+ "metadata": {
+  "language_info": {
+   "name": "python"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

supplement_files/NNW_P3_A1_Vorlage.py

@@ -0,0 +1,30 @@
+# -*- coding: utf-8 -*-
+
+#%% 
+# AG1a
+import numpy as np
+import nnwplot
+
+def neuron(X):
+    N = X.shape[...]
+    net = np.zeros(N)
+    W = [....]
+    b = # Bias ... ergibt sich aus Aktivierungsschwelle
+    for n in range(0,N):
+        for j in range ...:
+            net[..]+=
+    b verwenden ...
+    return net ... # threshold ....
+
+#%% 
+iris = np.loadtxt("iris.csv",delimiter=',')
+
+X=iris[...]
+T=iris[...]
+
+print(X)
+print(T)
+
+#%% 
+# AG1b
+nnwplot.plotTwoFeatures(X[...], T, neuron)

supplement_files/SLN_Vorlage.py

@@ -0,0 +1,43 @@
+# -*- coding: utf-8 -*-
+# %%
+import numpy as np
+import nnwplot
+import matplotlib.pyplot as plt
+
+# %% ErrorRate
+def ErrorRate(Y,T):
+    if Y.ndim==1 or Y.shape[0]==1:
+        errors=Y!=T
+        return errors.sum()/Y.size
+    else: # für mehrere Ausgaben in one-hot Kodierung:
+        errors=Y.argmax(0)!=T.argmax(0)
+        return errors.sum()/Y.shape[1]
+
+# %%
+class SLN:
+    def __init__(...): # Konstruktor
+        np.random.seed(42)
+        self._b=np.zeros((AAA,1))
+        self._W=np.random.randn(BBB,CCC)/np.sqrt(DDD)
+
+    # def DeltaTrain(self, X, T, eta, maxIter, maxErrorRate):
+    #     N=X.shape[1]    # Anzahl Trainingsdaten
+    #     plt.ion() # interactive mode on
+    #     for it in range(maxIter):
+    #         Y = ... # nur ein Aufruf
+    #         err = ErrorRate(..., ...)
+    #         if (it%20) == 0:
+    #             print('#{} err:{}\n{}\n{}'.format(it,err,self._W,self._b))
+    #             nnwplot.plotTwoFeatures(...)
+    #             plt.pause(0.05) # warte auf GUI event loop (je nach python Version notwendig oder nicht)
+    #         if err <= maxErrorRate:
+    #             break
+    #         # update _W
+    #         ...
+    #         # update _b 
+    #         ...
+    #     print('#{} err:{}\n{}\n{}'.format(it,err,self._W,self._b))
+    #     nnwplot.plotTwoFeatures(...)
+    #     plt.pause(0.05) # warte auf GUI event loop (je nach python Version notwendig oder nicht)
+    #
+    #     input("Press Enter to continue...") # wenn gewünscht ...