我目前正在努力修改我的最后一年考试并遇到了这个问题，我在演讲幻灯片中随处可见任何帮助，但找不到任何帮助。任何帮助提供如何解决这个问题的见解将不胜感激（我不只是要求答案，我需要理解这个主题）。此外，我是否假设所有输入都等于1？我在输入层包含7个输入吗？我不知道如何回答。
问题如下：
b）用理由确定可以学习下面数据集的人工神经网络的最简单类型和拓扑（即神经元和层的数量）。答案 0 :(得分：1)
如果我没弄错的话，你有两个输入X1，X2和一个目标输出。对于由两个数字X1，X2组成的每个输入，给出适当的输出（“目标”）。
作为第一步，您可以绘制七个数据点 - 只需在正方形（X1，X2）∈[0,1.05]×[0,1]上的正确位置绘制3个1和4个零。也许你还记得讲座里类似的东西，可能是提到“XOR”。
答案 1 :(得分：0)
编辑队列已满，因此在此处添加来自链接图像的数据
Pattern X1 X2 Target
1 0.01 -0.1 1
2 0.90 0.09 0
3 0.89 -0.05 0
4 1.05 0.95 1
5 -0.01 0.12 0
6 1.05 0.97 1
7 0.98 0.10 0
看起来一种可能的解决方案是X1＆gt; = 1.0或X2＆lt; = -0.1
或者，如果你对X1和X2中的每一个进行舍入，则它变为
Pattern X1 X2 Target
1 0 0 1
2 1 0 0
3 1 0 0
4 1 1 1
5 0 0 0
6 1 1 1
7 1 0 0
然后它 IS XOR，并且解是圆的（X1）XOR轮（X2）。在这种情况下，你可以使用1个激活层（如圆形，RELU，sigmoid，线性），1个隐藏的2个神经元层和1个输出层的1个神经元。
See this stackoverflow post for a detail of how to solve XOR with a neural net.