我在Matlab中训练了xor神经网络并得到了这些权重:
iw: [-2.162 2.1706; 2.1565 -2.1688]
lw: [-3.9174 -3.9183]
b{1} [2.001; 2.0033]
b{2} [3.8093]
仅仅是出于好奇,我试图编写MATLAB代码来计算这个网络的输出(隐藏层中的2个神经元,输出中的1个,TANSIG激活函数) .
我得到的代码:
l1w = [-2.162 2.1706; 2.1565 -2.1688];
l2w = [-3.9174 -3.9183];
b1w = [2.001 2.0033];
b2w = [3.8093];
input = [1, 0];
out1 = tansig (input(1)*l1w(1,1) + input(2)*l1w(1,2) + b1w(1));
out2 = tansig (input(1)*l1w(2,1) + input(2)*l1w(2,2) + b1w(2));
out3 = tansig (out1*l2w(1) + out2*l2w(2) + b2w(1))
问题是当输入是[1,1]时,它输出 -0.9989 ,当[0,1] 0.4902 时 . 模拟用MATLAB输出生成的网络是充分的 0.00055875 和 0.99943 .
我做错了什么?
2 回答
我写了一个简单的XOR网络示例 . 我使用
newpr
,默认为隐藏和输出层的tansig
传递函数 .然后我们通过自己计算输出来检查结果 . 要记住的重要一点是,默认情况下,输入/输出是[-1,1]范围的 scaled :
或更有效地表示为一行中的矩阵产品:
你通常不在输出层使用sigmoid - 你确定你应该在out3上使用tansig吗?您确定要查看经过适当培训的网络的权重吗?看起来你有一个训练过的网络在[1,1] [1,-1] [-1,1]和[-1,-1]上做XOR,其中1表示“xor”和-1含义“相同” .