Нейронную

Проект нейронной сети на Python 
165

---

неоднократно ссылаться на нее, точно так же, как на функцию 
query (). Такая организация программы означает, что в случае внесе­
ния изменений нам придется сделать это только в одном месте, а не 
везде в коде, где используется функция активации.
Ниже приведен код, определяющий функцию активации, кото­
рый мы используем в разделе инициализации нейронной сети.
# использование сигмоиды в качестве функции активации 
self.activation_function 
= lambda 
x: scipy.special.expit(x)
Что делает этот код? Он не похож ни на что, с чем мы прежде 
сталкивались. Что это за lambda? Не стоит пугаться, здесь нет ничего 
страшного. Все, что мы сделали, — это создали функцию наподобие 
любой другой, только с использованием более короткого способа за­
писи, называемого лямбда-выражением. Вместо привычного опреде­
ления функции в форме def имя() мы использовали волшебное слово 
lambda, которое позволяет создавать функции быстрым и удобным 
способом, что называется, “ на лету” . В данном случае функция при­
нимает аргумент х и возвращает s c i p y .s p e c ia l.e x p it (), а это есть 
не что иное, как сигмоида. Функции, создаваемые с помощью лямб­
да-выражений, являются безымянными или, как предпочитают го­
ворить опытные программисты, анонимными, но данной функции 
мы присвоили имя s e l f .a c tiv a tio n _ fu n c tio n (). Это означает, что 
всякий раз, когда потребуется использовать функцию активации, ее 
нужно будет вызвать как s e l f . a ctiv a tio n _ fu n ctio n ().
Итак, возвращаясь к нашей задаче, мы применим функцию акти­
вации к сглаженным комбинированным входящим сигналам, посту­
пающим на скрытые узлы. Соответствующий код совсем не сложен.
# рассчитать исходящие сигналы для скрытого слоя 
hidden_outputs = self.activation_function(hidden_inputs)
Таким образом, сигналы, исходящие из скрытого слоя, описыва­
ются матрицей hidden_outputs.
Мы прошли промежуточный скрытый слой, а как быть с послед­
ним, выходным слоем? В действительности распространение сигнала 
от скрытого слоя до выходного ничем принципиально не отличает­
ся от предыдущего случая, поэтому способ расчета остается тем же, 
а значит, и код будет аналогичен предыдущему.