%% Machine Learning -  Neural Networks  - Simple Example

%% Initialization
clear ; close all; clc

input_node = [1 1]; %1*2

% Generate Weight By Gausian Distribution
Weight_1 = [ -0.5 1.01  0.23 ; -0.32 -0.24 -0.12 ]; %2*3
Weight_2 = [ 0.15 1.32 -0.37 ]; %1*3
pred = mypredict(Weight_1, Weight_2, input_node);
fprintf('\Final Output Backward Propagation: %f\n', perd);

function p = mypredict(Weight_1, Weight_2, input_node)

%Forward Propagation
input_sigma = input_node*Weight_1;
hidden_node = sigmoid(input_sigma); % 1*3
hidden_sigma = hidden_node*Weight_2';
output_node = sigmoid(hidden_sigma);

for jj=1:1000
    %sigmoid' = f(x)(1-f(x))
    %output_node_prime = s'(inner_sigma)*margin
    if jj>1
        Weight_2 = Weight_2_prime;
        Weight_1 = Weight_1_prime;
    end
        margin = 0 - output_node;
        sigmoid_prime_hidden_sigma = sigmoid(hidden_sigma);
        output_node_prime = 
            (sigmoid_prime_hidden_sigma *(1-sigmoid_prime_hidden_sigma))*margin;
       
        delta_weight = (output_node_prime)./hidden_node; % 1*3
        Weight_2_prime = Weight_2 + delta_weight;
               
        sigmoid__prime_input_sigma = sigmoid_derivative(input_sigma);
        mydivide = output_node_prime./Weight_2;
        hidden_node_prime = zeros(1,3);
        hidden_node_prime(1,1) = mydivide(1,1) * sigmoid__prime_input_sigma(1,1);
        hidden_node_prime(1,2) = mydivide(1,2) * sigmoid__prime_input_sigma(1,2);
        hidden_node_prime(1,3) = mydivide(1,3) * sigmoid__prime_input_sigma(1,3); 
  
        delta_weight_2 = hidden_node_prime'*input_node;

        Weight_1_prime = Weight_1 + delta_weight_2';

        input_sigma = input_node*Weight_1_prime;
        hidden_node = sigmoid(input_sigma); % 1*3
        hidden_sigma = hidden_node*Weight_2_prime';
        output_node = sigmoid(hidden_sigma);
end

p = output_node;

end

function y = sigmoid(x)

y = 1.0 ./ (1.0 + exp(-x));

end

function y = sigmoid_derivative(x)

 %sigmoid' = f(x)*(1-f(x))

 sigmoid_helper_2 = zeros(1,3);
    for i=1:3
        a= x(1,i);
        sigmoid_helper_2(1,i)= sigmoid(a)*(1-sigmoid(a));
    end
 y = sigmoid_helper_2;
       
end

I have been working with different technologies and data more than 10 years.
I`d like to challenge with complex problem, then make it easy for using everyone. This is the best joy.

ICT Master in Norway 2013
Doctorandin at Technische Universität Berlin in Data Scientist ( currently )
-------------------------------------------------------------
Diamond is nothing except the pieces of the coal which have continued their activities finally they have become Diamond.

http://www.repocomp.com/

%% 기계 학습 - 신경망 - 간단한 예

%% 초기화
분명한 ; 모두 닫습니다. 클씨

input_node = [ 1  1 ]; %1* 2

% 가우스 분포에 따른 가중치 생성
Weight_1 = [ - 0 . 5  1 . 01   0 . 23 ; - 0 . 32-0 . _ _ 24-0 . _ _ 12 ]; %2* 3 
Weight_2 = [ 0 . 15  1 . 32-0 . _ _ 37 ]; %1* 3
pred = mypredict(Weight_1, Weight_2, input_node);
fprintf( ' \최종 출력 역방향 전파: %f\n' , perd);

함수 p = mypredict(Weight_1, Weight_2, input_node)

%순방향 전파
input_sigma = input_node*Weight_1;
Hidden_node = 시그모이드(input_sigma); % 1 * 3
Hidden_sigma = Hidden_node*Weight_2';
출력 노드 = 시그모이드(hidden_sigma);

jj=1:1000 의 경우
    %시그모이드 ' = f(x)(1-f(x))
    %output_node_prime = s' (inner_sigma)*
     jj > 1 인 경우 마진
        Weight_2 = Weight_2_prime;
        Weight_1 = Weight_1_prime;
    끝
        마진 = 0 - 출력_노드;
        sigmoid_prime_hidden_sigma = 시그모이드(hidden_sigma);
        출력_노드_프라임=
            (sigmoid_prime_hidden_sigma *( 1 -sigmoid_prime_hidden_sigma))*마진;
       
        delta_weight = (output_node_prime)./hidden_node; % 1 * 3
        Weight_2_prime = Weight_2 + delta_weight;
               
        sigmoid__prime_input_sigma = sigmoid_derivative(input_sigma);
        mydivide = output_node_prime./Weight_2;
        Hidden_node_prime = 0( 1 , 3 );
        Hidden_node_prime( 1 , 1 ) = mydivide( 1 , 1 ) * sigmoid__prime_input_sigma( 1 , 1 );
        Hidden_node_prime( 1 , 2 ) = mydivide( 1 , 2 ) * sigmoid__prime_input_sigma( 1 , 2 );
        Hidden_node_prime( 1 , 3 ) = mydivide( 1 , 3 ) * sigmoid__prime_input_sigma( 1 , 3 );
  
        delta_weight_2 = Hidden_node_prime ' *input_node;

        Weight_1_prime = Weight_1 + delta_weight_2' ;

        input_sigma = input_node*Weight_1_prime;
        Hidden_node = 시그모이드(input_sigma); % 1 * 3 
        Hidden_sigma = 숨겨진_노드*Weight_2_prime ' ;
        출력 노드 = 시그모이드(hidden_sigma);
끝

p = 출력_노드;

끝

함수 y = 시그모이드(x)

y = 1 . 0 ./( 1 . 0 + exp(-x));

끝

함수 y = 시그모이드_미분(x)

 %시그모이드 ' = f(x)*(1-f(x))

 sigmoid_helper_2 = zeros(1,3);
    i=1:3의 경우
        a= x(1,i);
        sigmoid_helper_2(1,i)= 시그모이드(a)*(1-sigmoid(a));
    끝
 y = 시그모이드_헬퍼_2;
       
끝

저는 10년 넘게 다양한 기술과 데이터를 사용해 작업해 왔습니다.
복잡한 문제에 도전해보고, 누구나 쉽게 사용할 수 있도록 만들고 싶습니다. 이것이 최고의 기쁨입니다.

노르웨이 ICT 석사 2013
베를린 공과대학 데이터 과학자 박사 (현재)
---------------------------------- --------------
다이아몬드는 다름 아닌 석탄 조각들이 활동을 계속해 마침내 다이아몬드가 된 것입니다.

http://www.repocomp.com/