Código de Python - SIGMOIDE

Imágen de perfil

SIGMOIDEgráfica de visualizaciones


Python

Publicado el 23 de Agosto del 2023 por Hilario (132 códigos)
732 visualizaciones desde el 23 de Agosto del 2023

*********************************************************
Hilario Iglesias Martínez
**********************************************************
La función sigmoide es una función matemática que toma
cualquier número real como entrada y la transforma en
un valor en el rango de 0 a 1. Su forma característica
es una curva en forma de "S".
La función sigmoide es comúnmente utilizada en diversos campos,
como la biología, la psicología y el aprendizaje automático,
especialmente en las redes neuronales.

Forma:
f(x)=1 / (1 + e**(-x))
Derivada:
e**(-x) / (1 + e**(-x))**2

La función sigmoide toma valores positivos y negativos de
x y los mapea en el rango (0, 1), de modo que valores grandes de
x resultarán en valores cercanos a 1, y valores pequeños o negativos de
x resultarán en valores cercanos a 0.

Programa realizado bajo linux
Plataforma Ubuntu 20.04.6 LTS.
Editado con Sublime Text.
Ejecucion en consola linux.
python3 SigmoideWeb.py

Tambien se puede editar y ejecutar en Google Colab.

Requerimientos

Programa realizado bajo linux
Plataforma Ubuntu 20.04.6 LTS.
Editado con Sublime Text.
Ejecucion en consola linux.
python3 SigmoideWeb.py

Tambien se puede editar y ejecutar en Google Colab

V-0.

Publicado el 23 de Agosto del 2023gráfica de visualizaciones de la versión: V-0.
733 visualizaciones desde el 23 de Agosto del 2023
estrellaestrellaestrellaestrellaestrella
estrellaestrellaestrellaestrella
estrellaestrellaestrella
estrellaestrella
estrella

descarga
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
"""
**********************************************************
Hilario Iglesias Martínez
**********************************************************
La función sigmoide es una función matemática que toma
cualquier número real como entrada y la transforma en
un valor en el rango de 0 a 1. Su forma característica
es una curva en forma de "S".
La función sigmoide es comúnmente utilizada en diversos campos,
como la biología, la psicología y el aprendizaje automático,
especialmente en las redes neuronales.
Forma:
f(x)=1 / (1 + e**(-x))
Derivada:
e**(-x) / (1 + e**(-x))**2
La función sigmoide toma valores positivos y negativos de
x y los mapea en el rango (0, 1), de modo que valores grandes de
x resultarán en valores cercanos a 1, y valores pequeños o negativos de
x resultarán en valores cercanos a 0.
Programa realizado bajo linux
Plataforma Ubuntu 20.04.6 LTS.
Editado con Sublime Text.
Ejecucion en consola linux.
python3 SigmoideWeb.py
Tambien se puede editar y ejecutar en Google Colab.
"""
 
 
 
import numpy as np
import matplotlib.pyplot as plt
e = 2.71828
 
# Definimos la función sigmoide y su derivada
def FuncionSigmoide(x):
    return 1 / (1 + e**(-x))
 
def Sigmoid_Derivada(x):
    return e**(-x) / (1 + e**(-x))**2
 
# Creamos un rango de valores a lo largo de la longitud de la función sigmoide
x_rango = np.linspace(-10, 10, 400)  # Ajusta el rango según tus necesidades
 
# Calculamos los valores de la función sigmoide y su derivada en el rango
ValoresSigmoide = FuncionSigmoide(x_rango)
ValoresDerivadaSigmoide = Sigmoid_Derivada(x_rango)
 
# Parámetros iniciales para el proceso de derivada descendente
x_inicial = 1.0
learning_rate = 0.1
interaciones = 1000
x_historia = [x_inicial]
y_historia = [FuncionSigmoide(x_inicial)]
 
# Realizar el proceso de derivada descendente
for _ in range(interaciones):
    x_inicial = x_inicial - learning_rate * Sigmoid_Derivada(x_inicial)
    x_historia.append(x_inicial)
    y_historia.append(FuncionSigmoide(x_inicial))  # Corregido aquí
 
    # Detener la iteración si x está cerca de 0
    if x_inicial < 0.01:
        break
 
# Corregir la generación del rango de valores para la segunda gráfica
x_rango_Segunda = np.linspace(x_historia[0], x_historia[-1], len(x_historia))
y_rango_Segunda = FuncionSigmoide(x_rango_Segunda)
 
# Graficar la función sigmoide y el proceso de gradiente descendente
plt.figure(figsize=(10, 6))
 
plt.plot(x_rango, ValoresSigmoide, label='Función Sigmoidal')
plt.scatter(x_historia, y_historia, color='red', label='Derivada Descendente')
plt.xlabel('x')
plt.ylabel('f(x)')
plt.title('Función Sigmoidal y Derivada Descendente')
plt.grid(True)
plt.legend()
 
# Agregar divisiones en el eje y
y_ticks = np.arange(0, 1.2, 0.04)
plt.yticks(y_ticks)
 
plt.show()



Comentarios sobre la versión: V-0. (0)


No hay comentarios
 

Comentar la versión: V-0.

Nombre
Correo (no se visualiza en la web)
Valoración
Comentarios...
CerrarCerrar
CerrarCerrar
Cerrar

Tienes que ser un usuario registrado para poder insertar imágenes, archivos y/o videos.

Puedes registrarte o validarte desde aquí.

Codigo
Negrita
Subrayado
Tachado
Cursiva
Insertar enlace
Imagen externa
Emoticon
Tabular
Centrar
Titulo
Linea
Disminuir
Aumentar
Vista preliminar
sonreir
dientes
lengua
guiño
enfadado
confundido
llorar
avergonzado
sorprendido
triste
sol
estrella
jarra
camara
taza de cafe
email
beso
bombilla
amor
mal
bien
Es necesario revisar y aceptar las políticas de privacidad

http://lwp-l.com/s7420