def testAND(self):
"""
Hier wordt de werking van een AND gate getest
"""
# Maak de perceptron aan
p1 = Perceptron(weights=[0.5, 0.5], bias=0, threshold=1)
# Maak de inputs en de outputs aan
inputs, outputs = [[0, 0], [0, 1], [1, 0], [1, 1]], [0, 0, 0, 1]
# Vergelijk de output met de verwachte output
for input, output in zip(inputs, outputs):
self.assertEqual(output, p1.predict(input))
def testNOT(self):
"""
Hier wordt de werking van een NOT gate getest
"""
# Maak de perceptron aan
p3 = Perceptron(weights=[-1], bias=0, threshold=-0.5)
# Maak de inputs en de outputs aan
inputs, outputs = [[1], [0]], [0, 1]
# Vergelijk de output met de verwachte output
for input, output in zip(inputs, outputs):
self.assertEqual(output, p3.predict(input))
def testPARTY(self):
"""
Hier wordt de werking van een PARTY gate getest
"""
# Maak de perceptron aan
p5 = Perceptron(weights=[0.6, 0.3, 0.2], bias=0, threshold=0.4)
# Maak de inputs en de outputs aan
inputs = [[0, 0, 0], [0, 0, 1], [0, 1, 0], [0, 1, 1], [1, 0, 0],
[1, 0, 1], [1, 1, 0], [1, 1, 1]]
outputs = [0, 0, 0, 1, 1, 1, 1, 1]
# Vergelijk de output met de verwachte output
for input, output in zip(inputs, outputs):
self.assertEqual(output, p5.predict(input))
def testNOR(self):
"""
Hier wordt de werking van een NOR gate getest
"""
# Maak de perceptron aan
p4 = Perceptron(weights=[-1, -1, -1], bias=0, threshold=0)
# Maak de inputs en de outputs aan
inputs = [[0, 0, 0], [0, 0, 1], [0, 1, 0], [0, 1, 1], [1, 0, 0],
[1, 0, 1], [1, 1, 0], [1, 1, 1]]
outputs = [1, 0, 0, 0, 0, 0, 0, 0]
# Vergelijk de output met de verwachte output
for input, output in zip(inputs, outputs):
self.assertEqual(output, p4.predict(input))
def testXOR(self):
"""
Hier worden de perceptrons, de layers em de netwerk voor een XOR gate aangemaakt
en vervolgens de output van de netwerk verglijken met de actuele output.
"""
# Maak de onderdelen van het netwerk aan
p1 = Perceptron(weights=[1, 1], bias=0, threshold=0.5)
p2 = Perceptron(weights=[-1,-1], bias=0, threshold=-1.5)
layer1 = PerceptronLayer(perceptron=[p1, p2])
p3 = Perceptron(weights=[1,1], bias=0, threshold=2)
layer2 = PerceptronLayer(perceptron=[p3])
network = PerceptronNetwork(layers=[layer1, layer2])
# Maak alle mogelijke inputs en de verwachte outputs aan
inputs = [[1, 1], [1, 0], [0, 1], [0, 0]]
outputs = [[0], [1], [1], [0]]
# Vergelijk de output van de netwerk met de verwachte output
for input, output in zip(inputs, outputs):
self.assertEqual(output, network.feed_forward(input))