Нейронную

hidden_nodes.
При необходимости вернитесь к главе 1, чтобы понять, почему 
первая матрица имеет размерность hidden_nodes 
х 
input_nodes, а не 
input_nodes 
х 
hidden_nodes.
Вспомните из главы 1, что начальные значения весовых коэффи­
циентов должны быть небольшими и выбираться случайным обра­
зом. Следующая функция из пакета 
numpy 
генерирует массив случай­
ных чисел в диапазоне от 0 до 1, где размерность массива равна rows 
х 
х 
columns:
numpy.random.rand(rows, columns)
Все хорошие программисты ищут в Интернете онлайновую доку­
ментацию по функциям Python и даже находят полезные функции, 
о существовании которых и не подозревали. Для поиска любой ин­
формации, касающейся программирования, лучше всего использо­
вать Google. Выполните такой поиск для функции 
n u m p y .random, 
rand ()
, если хотите узнать о ней больше.
Если мы собираемся использовать расширения пакета 
numpy, 
мы 
должны импортировать эту библиотеку в самом начале кода. Прежде 
всего удостоверимся, что нужная нам функция работает. В приве­
денном ниже примере используется матрица размерностью 
3x3. 
Как 
видите, матрица заполнилась случайными значениями в диапазоне 
от 0 до 1.
Проект нейронной сети на Python 
161

---

Данный подход можно улучшить, поскольку весовые коэффици­
енты могут иметь не только положительные, но и отрицательные 
значения и изменяться в пределах от -1 ,0 до +1,0. Для простоты мы 
вычтем 0,5 из этих граничных значений, перейдя к диапазону зна­
чений от -0 ,5 до +0,5. Ниже представлены результаты применения 
этого изящного подхода, которые демонстрируют, что некоторые ве­
совые коэффициенты теперь имеют отрицательные значения.
Мы готовы создать матрицу начальных весов в нашей программе 
на Python. Эти весовые коэффициенты составляют неотъемлемую