理解令人困惑的感知器输入数据

Question

我有以下数据：

 0 0 0 0 0  0 0
 0 0 0 0 1  0 0
 0 0 0 1 0  0 0
 0 0 0 1 1  0 0
 0 0 1 0 0  0 0
 0 0 1 0 1  0 0
 0 0 1 1 0  0 0
 0 0 1 1 1  1 0
 0 1 0 0 0  0 0
 0 1 0 0 1  0 1
 0 1 0 1 0  0 0
 0 1 0 1 1  1 1
 0 1 1 0 0  0 0
 0 1 1 0 1  1 1
 0 1 1 1 0  1 0
 0 1 1 1 1  1 1
 1 0 0 0 0  0 0
 1 0 0 0 1  0 0
 1 0 0 1 0  0 0
 1 0 0 1 1  1 0
 1 0 1 0 0  0 0
 1 0 1 0 1  1 0
 1 0 1 1 0  1 0
 1 0 1 1 1  1 0
 1 1 0 0 0  0 0
 1 1 0 0 1  1 1
 1 1 0 1 0  1 0
 1 1 0 1 1  1 1
 1 1 1 0 0  1 0
 1 1 1 0 1  1 1
 1 1 1 1 0  1 0
 1 1 1 1 1  1 1

我打算用它作为感知器的输入，即：

实现2层Perzeptron（一个输入层，一个输出层）。

Perzeptron应具有N维二进制输入X，M维二进制输出Y和用于实现阈值的BIAS权重。

（N应小于101，M小于30），在-0.5≤wn之间随机初始化所有权重，m≤+ 0.5

进一步实施使用perzeptron学习规则培训Perzeptron的可能性，其中模式（pX，pY）已从名为PA-A-train.dat的文件中读取（P应小于200） ，并且可以从文件中读取权重wn，m。

事情是 - 我不理解数据 - 看起来空格后面的数字应该是标签，但是 - 如果是这样，为什么有两个？标签不应只有一个吗？

也许有人可以帮助我理解这一点。

Answer 1

神经网络可以有任意数量的输出神经元。特别是，当一个没有隐藏层时，训练M输出感知器相当于训练M二进制感知器。因此，您的数据非常简单 - 您有M = 2个输出变量，每个变量都是特定输出神经元的预期值。