我正在尝试培训前馈网络,以便使用Ruby Library AI4R执行XOR操作。然而, 当我在训练后评估XOR时。我没有得到正确的输出。有没有人以前用过这个库 并得到它来学习XOR操作。
我正在使用两个输入神经元,一个隐藏层中的三个神经元,以及一个用于输出的层,因为我看到一个预先计算的 XOR前馈这样的神经网络。
require "rubygems"
require "ai4r"
# Create the network with:
# 2 inputs
# 1 hidden layer with 3 neurons
# 1 outputs
net = Ai4r::NeuralNetwork::Backpropagation.new([2, 3, 1])
example = [[0,0],[0,1],[1,0],[1,1]]
result = [[0],[1],[1],[0]]
# Train the network
400.times do |i|
j = i % result.length
puts net.train(example[j], result[j])
end
# Use it: Evaluate data with the trained network
puts "evaluate 0,0: #{net.eval([0,0])}" # => evaluate 0,0: 0.507531383375123
puts "evaluate 0,1: #{net.eval([0,1])}" # => evaluate 0,1: 0.491957823618629
puts "evaluate 1,0: #{net.eval([1,0])}" # => evaluate 1,0: 0.516413912471401
puts "evaluate 1,1: #{net.eval([1,1])}" # => evaluate 1,1: 0.500197884691668
泰德
答案 0 :(得分:5)
您没有经过足够的迭代训练。如果您将400.times
更改为8000.times
,您会更接近(并且更接近20000.times
)。
在20000.times
,我得到了
puts "evaluate 0,0: #{net.eval([0,0])}" # => evaluate 0,0: 0.030879848321403
puts "evaluate 0,1: #{net.eval([0,1])}" # => evaluate 0,1: 0.97105714994505
puts "evaluate 1,0: #{net.eval([1,0])}" # => evaluate 1,0: 0.965055940880282
puts "evaluate 1,1: #{net.eval([1,1])}" # => evaluate 1,1: 0.0268317078331645
你也可以增加net.learning_rate
(但不要太多)。
答案 1 :(得分:2)
如果你想考虑神经进化,你可以查看neuroevo
宝石。运行规范以查看在15次迭代中适合XOR ([2,2,1]
前馈网络,XNES
优化器):
https://github.com/giuse/neuroevo/blob/master/spec/solver_spec.rb
完全披露:我是开发者(你好!) 我刚刚开始发布我的代码,正在寻找反馈。