Question

我第一次提问。

我正在教自己神经网络，目前正在尝试编程一个感知器算法。我想为OR函数训练它，但它不起作用。我完全不知道我做错了什么，互联网上没有不使用工具箱的解决方案。

input = [0 0; 0 1; 1 0; 1 1]%input vector
num_in = 4;% number of iterations
desired_out = [0;1;1;1] %desired output
bias = -1; %bias
w=zeros(2,1); %weight vector, initially zero
iterations = 100; % number of iterations to go through

for i = 1:iterations
     out = zeros(4,1);
     for j = 1:num_in %go per row of x
          y = bias+input(j,1)*w(1,1)+input(j,2)*w(2,1) %sum
          if(out(j,1)~=desired_out(j,1))  % modify weights and bias if mismatch exists
             bias = bias+desired_out(j,1);
             w(1,1) =w(1,1)+input(j,1)*desired_out(j,1);
             w(2,1) = w(2,1)+input(j,2)*desired_out(j,1);
          end
     end
end
out %print the output

Answer 1

我不知道您正在关注哪种感知器算法，但我认为the one on Wikipedia正是您要实现的目标。

最好将偏差纳入权重，即w将为3x1，并且您必须在输入要素的末尾添加一列。这将允许您使用矩阵乘法（即矢量化方式）实现wx+b。
您没有更新out。您应该添加以下行： out(j,1) = y > 0;
你为什么要这样做：if(out(j,1)~=desired_out(j,1))？维基百科上没有提到它。无论如何，如果你只想更新错误，那么你必须对正面和负面样本的错误进行不同的更新。见this。
做input(j,1)*desired_out(j,1)是错误的。根据维基百科，它应该是(desired_out(j,1)-out(j,1))。

更正后的代码如下：

input = [0 0 1; 0 1 1; 1 0 1; 1 1 1] % input vector
num_in = 4; % number of samples
desired_out = [0;1;1;1] % desired output
w=zeros(3,1); % weight vector, initially zero
iterations = 100; % number of iterations to go through

for i = 1:iterations
   out = zeros(4,1);
   for j = 1:num_in % go per row of x
      y = input(j,1)*w(1,1)+input(j,2)*w(2,1)+w(3,1); % sum
      out(j,1) = y>0;
      w(1,1) =w(1,1)+input(j,1)*(desired_out(j,1)-out(j,1));
      w(2,1) = w(2,1)+input(j,2)*(desired_out(j,1)-out(j,1));
      w(3,1) = w(3,1)+input(j,3)*(desired_out(j,1)-out(j,1));
   end
end
out %print the output

这可以通过使用矩阵乘法而不是for循环进一步矢量化，但我会把它留给你。

MATLAB Perceptron从头开始 - OR功能

1 个答案: