神经网络的反向传播算法：XOR训练-Java 学习之路

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

1

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） .

回复于 2024-04-24T04:17:27+08:00

神经网络的反向传播算法：XOR训练

1 回答

相关问题