神经网络Java XOR学习？

Question

我试图用Java编写Java中的神经网络   2输入神经元，1个包含3个神经元和1个输出神经元的隐藏层，
哪个应该能够解决XOR功能。我理解神经元（Perceptron）是如何工作的，以及他们如何学习，但我不明白神经网络如何处理输出，或者神经元如何通信？＃34;彼此。
例如：

我有这个神经网络:(忽略值）

这个数据集：
    input = {{1,0}，{1,1}，{0,1}，{0,0}}
    ideal = {1,0,1,0}

我用哪些值训练特定的神经元？或者让神经网络学习？

Answer 1

＆＃34;培训的目标＆＃34;神经网络是找到正确的权重，正确地预测给定输入的输出是什么。培训神经网络有两个基本过程。

向前传播 在此过程中，我们在每一层获取权重和输入并计算输出，然后应用激活函数。例如，在您提供的神经网络中，隐藏层中第二个节点的计算将是：

1 * 0.4 + 1 * 0.9 = 1.3

然后我们在1.3节点值上应用激活函数。我猜这个神经网络正在使用sigmoid激活函数，这只不过是一个简单的指数函数。 https://en.wikipedia.org/wiki/Sigmoid_function

我们为隐藏层中的每个节点执行此操作，这将成为下一层（输出层）的输入。在输出节点值上应用激活函数后，这就是我们解释为神经网络的输出。它可能会偏离它应该是什么，因为初始权重是随机的，这将给我们一个随机的答案。但这导致我们进入下一个过程，这将有助于我们找到合适的权重：

反向传播 这部分需要大量的数学知识，如果你不熟悉微积分，一开始可能很难理解。但反向传播背后的一般思想是使用一种称为梯度下降的方法来制作＆＃34;制作＆＃34;通过朝正确的方向推动我们的重量减少了错误。详细解释梯度下降本身需要很长的答案。因此，我将为您提供一些理解它的好资源：

http://eli.thegreenplace.net/2016/understanding-gradient-descent/

所有这两个过程都是＆＃34;培训＆＃34;神经网络意味着。目标是使用训练数据找到正确的权重，这样我们就可以在面对以前看不到的数据时做出正确的预测。

WelchLabs制作了一个关于神经网络以及它们如何工作的非常好的视频系列。你一定要看整个系列，它会解释一切，包括渐变下降：

https://www.youtube.com/watch?v=bxe2T-V8XRs