Java ANN感知器或闸门训练无法正常工作

所以我试着用一个感知机来训练一个或门。问题是它不起作用。错误的是0->期望值=0，实际值=1。这一点没有改变

此外，当我放置要测试的权重时，它们似乎也不起作用，但这可能是我的testOut函数出了问题

public class Temp {

double[][] data = {{0.d, 0.d}, {0.d, 1.d}, {1.d, 0.d}, {1.d, 1.d}};
double[] outputs = {0.d, 1.d, 1.d, 1.d};
double[][] weights = {
        {ThreadLocalRandom.current().nextDouble(-.5, .5),
                ThreadLocalRandom.current().nextDouble(-.5, .5)},
        {ThreadLocalRandom.current().nextDouble(-.5, .5),
                ThreadLocalRandom.current().nextDouble(-.5, .5)},
        {ThreadLocalRandom.current().nextDouble(-.5, .5),
                ThreadLocalRandom.current().nextDouble(-.5, .5)},
        {ThreadLocalRandom.current().nextDouble(-.5, .5),
                ThreadLocalRandom.current().nextDouble(-.5, .5)}
};

public double[][] train(int maxEpoch, double threshhold) {
    for (int i = 0; i < maxEpoch; i++) {
        System.out.println("EPOCH " + i);
        double sum = 0.0d;
        double actualOutput = 0.0d;
        double[] ep = new double[outputs.length];
        for (int j = 0; j < data.length; j++) {
            for (int k = 0; k < data[j].length; k++) {
                sum += data[j][k] * weights[j][k];
            }
            actualOutput = step(sum - threshhold);
            ep[j] = outputs[j] - actualOutput;
            for (int k = 0; k < data[j].length; k++) {
                weights[j][k] = weights[j][k] + .1 * data[j][k] * ep[j];
            }
            System.out.println("output " + j + " " + actualOutput + " " + outputs[j] +" - " + ep[j]);
        }
    }
    return weights;

}

public void testOut(double[][] data, double[][] weights, double threshhold){
    double sum = 0;
    double[] actualOutput = new double[data.length];
    for (int j = 0; j < data.length; j++) {
        for (int k = 0; k < data[j].length; k++) {
            sum += data[j][k] * weights[j][k];
        }
        actualOutput[j] = step(sum - threshhold);
    }
    System.out.println(Arrays.toString(actualOutput));
}

public static void main(String[] args) {
    Temp t = new Temp();
    double[][] weights = t.train(200, 0);
    t.testOut(t.data, weights, .5);
}
}

---

所以我解决了这个问题。由于阈值的值，阶跃函数返回0。我做的是2d，现在效果很好

您还可以提供steps（）方法定义？？公共静态int step（double x）{return x>=0.d？1:0；}O/p类似于：EPOCH 0………，EPOCH 1……，----EPOCH 199。那你从哪里来的问题？？你到底想要什么？基本上我把数据放在x1，x2值中，输出应该代表一个或门，所以0 0->0，0 1->1，等等。。。问题是它不收敛（有200个时代，这是一个很大的数目。实际上应该在~5年内收敛）。所以我一直得到0->1，这是一个错误，不应该是这样。

public static int step(double x) {
        return x >= 0.d ? 1 : 0;
}