Question

我在尝试将XOR逻辑功能教给神经网络时遇到了麻烦。我已经使用双曲正切和ReLU作为激活函数训练了网络成功的结果（关于ReLU，我知道它不适合这类问题，但我还是想测试它）。不过，我无法使其与logistic function一起使用。我对该函数的定义是：

def logistic(data):
    return 1.0 / (1.0 + np.exp(-data))

及其衍生物：

def logistic_prime(data):
    output = logistic(data)
    return output * (1.0 - output)

其中np是 NumPy 导入包的名称。由于XOR逻辑使用的是0＆1和1，因此逻辑函数应该是适当的激活函数。尽管如此，我得到的结果在所有情况下都接近0.5，即0和1的任何输入组合产生接近0.5的值。我所说的是否有任何错误？

请不要犹豫，要求我提供更多背景信息或更多代码。提前谢谢。

Answer 1

我和你有同样的问题。当数据不能被线性超平面划分时，就会出现问题。尝试训练数据：

X = [[-1,0],[0,1],[1,0],[0,-1]]
Y = [1,0,1,0]

如果你在坐标上绘制它，那么你会很好，它不是线性可分割的。在物流上训练它，参数都接近0，结果接近0.5。

另一个线性可分的例子是使用Y = [1,1,0,0] 和后勤工作。