Question

我正在尝试训练一个8位神经网络来输出其输入的XOR。我正在使用ffnet库（http://ffnet.sourceforge.net/）。对于少量输入位（最多4个），反向传播产生预期结果。对于8位，NN似乎“收敛”，这意味着它为任何输入输出相同的值。我正在使用多层NN：输入，隐藏层，输出和偏置节点。

我做错了吗？这个NN是否需要具有某种形状，才能学会XOR？

编辑：

这是我正在使用的代码：

def experiment(bits, input, solution, iters):
    conec = mlgraph( (bits, bits, 1) )
    net = ffnet(conec)
    net.randomweights()
    net.train_momentum(input, solution, eta=0.5, momentum=0.0, maxiter=iters)
    net.test(input, solution, iprint=2)

我正在使用momentum=0.0来获得纯粹的反向传播。

这是我得到的结果的一部分：

Testing results for 256 testing cases:
OUTPUT 1 (node nr 17):
Targets vs. outputs:
   1      1.000000      0.041238
   2      1.000000      0.041125
   3      1.000000      0.041124
   4      1.000000      0.041129
   5      1.000000      0.041076
   6      1.000000      0.041198
   7      0.000000      0.041121
   8      1.000000      0.041198

对于每个向量（256个值），它都会像这样继续

多位神经XOR网络

0 个答案: