使用功能链接神经网络解决奇偶校验3分类？

Question

我正在尝试使用功能链接神经网络来解决3位奇偶校验问题（Pao，1988）。我正在执行反向传播以更新权重并使用Pao提出的外部产品模型扩展输入，即。 x1，x1x2，x1x3，x2x3，x1x2x3是输入，如下所示：

学习率0.01，动量0.1，传递函数log-sigmoid。

但仍然在1000次迭代后，权重无法正确分类。 FLNN因1,1,1和0,0,0输入而失败。如果有任何改善结果的想法，我会非常感激。

这是本文的第2个例子：Klassen, Myungsook, Yoh Han Pao, and Victor Chen. "Characteristics of the functional link net: a higher order delta rule net." Neural Networks, 1988., IEEE International Conference on. IEEE, 1988.

Answer 1

使用感知器学习规则

解决了问题

  

W_new = W_old + learning_rate *错误*输入

，而不是使用文中提到的广义delta规则。随着学习率.9它在100次迭代中收敛，而具有隐藏层的神经网络需要大约1000次迭代。