übung 3

Übung 3/SLN.py

@@ -37,19 +37,23 @@ class SLN:
         for it in range(maxIter):
             Y = self.neuron(X)  # nur ein Aufruf
             err = ErrorRate(Y, T)
-            if (it % 20) == 0:
-                print('#{} err:{}\n{}\n{}'.format(it, err, self._W, self._b))
-                nnwplot.plotTwoFeatures(X, T, self.neuron)
-                plt.pause(0.05)  # warte auf GUI event loop (je nach python Version notwendig oder nicht)
+            # if (it % 20) == 0:
+            print('#{} err:{}\n{}\n{}'.format(it, err, self._W, self._b))
+            nnwplot.plotTwoFeatures(X, T, self.neuron)
+            plt.pause(0.05)  # warte auf GUI event loop (je nach python Version notwendig oder nicht)
             if err <= maxErrorRate:
                 break
             # update _W
+            total_to_learn = 0
             for n in range(N):
                 error = T[n] - Y[n]
                 for j in range(self.dIn):
                     weighted_error = error * X[j, n]
                     to_learn = weighted_error * eta
-                    self._W[j, 0] += to_learn
+                    print("{:.2f} = {} * {} * {}".format(to_learn, error, X[j, n], eta))
+                    total_to_learn += to_learn
+            print(total_to_learn)
+            self._W[j, 0] += total_to_learn
             # update _b
             ...
         print('#{} err:{}\n{}\n{}'.format(it, err, self._W, self._b))