KI: Aufgabe: Vorhersagen mit Hidden Layer

Für komplexere Vorhersagen z.B. Bilderkennung reicht ein Netz mit nur einer Ein- und Ausgabeschicht (engl input layer, output layer) nicht aus. Es werden dazwischen eine oder mehrere verdeckte Schichten (engl. hidden layer) notwendig:

Künstliches neuronales Netz mit einer verdeckten Schicht

Vervollständigen Sie untenstehenden Code mit Hilfe von NumPy für folgende Eingaben und Gewichte und ermitteln Sie die Vorhersagen.

Trainiertes (gewichtetes) Netz mit Eingaben und Vorhersagen

import numpy as np
            
            #toes %win #fans
ih_wgt = np.array([ 
            [0.1, 0.2, -0.1],    #hid[0]
            [-0.1, 0.1, 0.9],    #hid[1]
            [0.1, 0.4,  0.1]]).T #hid[2]

            # hid[0] hid[1] hid[2]
hp_wgt = np.array([  
            [0.3, 1.1, -0.3],    #verletzt?
            [0.1, 0.2,  0.0],    #Sieg?
            [0.0, 1.3,  0.1]]).T #traurig?

weights = [ih_wgt, hp_wgt]

toes =  np.array([8.5, 9.5, 9.9, 9.0]) # ersten 4 Spiele der Saison
wlrec = np.array([0.65,0.8, 0.8, 0.9])
nfans = np.array([1.2, 1.3, 0.5, 1.0])

input = np.array([toes[0],wlrec[0],nfans[0]]) # nur das 1. Spiel

...