使用具有标准标量积和单位阶跃函数的单个感知器无法解决XOR。
本文建议使用3感知器来制作网络: http://toritris.weebly.com/perceptron-5-xor-how--why-neurons-work-together.html
我尝试以这种方式运行3-perceptron网络,但它并没有为XOR产生正确的结果:
display: none;
上述感知器可以正确解决NOT,AND,OR位操作。这就是我使用3个感知器解决XOR的方法:
//pseudocode
class perceptron {
constructor(training_data) {
this.training_data = training_data
}
train() {
iterate multiple times over training data
to train weights
}
unit_step(value) {
if (value<0) return 0
else return 1
}
compute(input) {
weights = this.train()
sum = scalar_product(input,weights)
return unit_step(sum)
}
}
上面的final_result不一致,有时为0,有时为1.看来我错误地运行了2层。如何以正确的方式在2层中运行这3个感知器?
答案 0 :(得分:2)
如果你想构建一个带有逻辑连接词(和,或者不是)的神经网络,你必须考虑以下关于xor的等价:
A xorB≡(A∨B)∧¬(A∧B)≡(A∨B)∧(¬A∨¬B)≡(A∧¬B)∨(¬A∧B)
因此,如果你想要使用你的感知器,如果我正确理解它们,你至少需要三个和/或感知器和一个否定。在文章中,他们使用三个具有特殊权重的感知器来表示xor。这些与and-和or-perceptrons不同。