Нейронную

Dog, 
и созданные на ос­
нове этого класса объекты 
s i z z l e s
и 
m u t le y
включали в себя данный 
метод. Вы видели, что оба они “лаяли” в рассмотренном примере!
Нейронные сети принимают некоторые входные данные (вход­
ной сигнал), выполняют некоторые вычисления и выдают выходные 
данные (выходной сигнал). Вы также знаете, что их можно трениро­
вать. Вы уже видели, что эти действия — тренировка и выдача от­
вета — являются естественными функциями нейронной сети, т.е. их 
можно рассматривать в качестве функций объекта нейронной сети. 
Вы также помните, что с нейронными сетями естественным образом 
связаны относящиеся к ним внутренние данные — весовые коэффи­
циенты связей между узлами. Вот почему мы будем создавать нашу 
нейронную сеть в виде объекта.
Чтобы вы получили более полное представление о возможностях 
объектов, давайте добавим в класс переменные, предназначенные 
для хранения специфических данных конкретных объектов, а так­
же методы, позволяющие просматривать и изменять эти данные.
Простое введение в Python 
153

---

Взгляните на приведенное ниже обновленное определение класса 
D og. 
Оно включает ряд новых элементов, которые мы рассмотрим 
по отдельности.
# определение класса объектов Dog 
c la s s Dog:
# метод для инициализации объекта внутренними данными
d e f __ i n i t __ ( s e l f , petname, temp) :
self.name = petname; 
self.temperature = temp;
# получить состояние 
d e f s t a t u s ( s e l f ) :
print("имя собаки: ", self.name)
print("температура собаки: ", self.temperature)
pass
# задать температуру
d e f s e tT e m p e r a t u r e (s e lf, tem p):
self.temperature = temp; 
pass
# собаки могут лаять