c=0;
wih = .1*ones(nh,ni+1);
who = .1*ones(no,nh+1);
while(c<3000)
c=c+1;
for i = 1:length(x(1,:))
for j = 1:nh
netj(j) = wih(j,1:end-1)*double(x(:,i))+wih(j,end)*1;
outj(j) = 1./(1+exp(-1*netj(j)));
end
% hidden to output layer
for k = 1:no
netk(k) = who(k,1:end-1)*outj+who(k,end)*1;
outk(k) = 1./(1+exp(-1*netk(k)));
delk(k) = outk(k)*(1-outk(k))*(t(k,i)-outk(k));
end
% backpropagation
for j = 1:nh
s=0;
for k = 1:no
s = s+who(k,j)*delk(k);
end
delj(j) = outj(j)*(1-outj(j))*s;
s=0;
end
for k = 1:no
for l = 1:nh
who(k,l)=who(k,l)+.5*delk(k)*outj(l);
end
who(k,l+1)=who(k,l+1)+1*delk(k)*1;
end
for j = 1:nh
for ii = 1:ni
wih(j,ii)=wih(j,ii)+.5*delj(j)*double(x(ii,i));
end
wih(j,ii+1)=wih(j,ii+1)+1*delj(j)*1;
end
end
end
这实现了反向传播神经网络 . x
是输入, t
是所需输出, ni
, nh
, no
输入数量,隐藏和输出层神经元 . 我正在测试它的不同功能,如AND,OR,它适用于这些 . 但XOR不起作用 .
培训 x = [0 0 1 1; 0 1 0 1]
培训 t = [0 1 1 0]
who
=从隐藏到输出图层的权重矩阵
wih
=从输入到隐藏层的权重矩阵
你能帮我吗 ?
1 回答
XOR与您描述的所有其他函数之间的区别在于XOR函数不是线性可分的 .
可能发生的是你使用线性单位(线性激活函数)而不是sigmoidal单位(非线性激活函数) . 另外,你确定你有一个隐藏层吗?
请简要发布您的网络拓扑(以及每层的单元类型) .