Java 感知器训练的Delta训练规则

我正在尝试使用delta训练规则来训练感知器，使之适应AND布尔函数。但即使在收敛之后，它也错误地对输入进行了分类（实际上是1个输入）。你能告诉我哪里错了吗

这是使用的培训功能：

public void trianWithDelta(Example[] examples){ 
    for(int i=0;i<1000;++i){

        dw1 = 0;
        dw2 = 0;

        for(Example ex:examples){
            double o = computeOutput(ex);
            double t = ex.o;

            dw1 = dw1 + n*(t-o)*ex.x1;
            dw2 = dw2 + n*(t-o)*ex.x2;
        } 

        w1 += dw1;
        w2 += dw2; 
    }        
}

结果: w1:0.49999999994 w2:0.5000000000000002

培训后使用培训示例进行测试：

-一,

1（不正确）

-一,

---

1

您的代码实际上是正确的，问题在于您对使用无偏感知器可以学到什么和不能学到什么的理解

如果你没有偏见，那么学习几乎是不可能的，因为：

• 在你的代码中，正好有一个角度来分隔你的数据，这是为行

  y=-x

  实现的，这意味着

  w1=w2

  ，它们的值之间的任何微小差异都会破坏分类器（例如

  1e-20

  ）
• 您的分类器实际回答了三个值（当您使用符号函数时）：-1、0、1，而在这种设置中不可能分离并且没有偏差，因为当激活为0时，您需要回答-1

试着在一张纸上画一个正确的分隔符，你会注意到，在没有偏差的情况下，你的线必须穿过（0,0），因此，它必须是y=-x，因此对于（-1,1）和（1，-1），激活是0

这两个问题都可以通过添加偏差节点来解决（这是您应该做的）

您还可以更改AND的“位”定义-例如，将“False”编码为-2

运行代码的行为与预期一致

Trained weights : 0.6363636363636364 0.6363636363636364
-1
-1
-1
1

Example[] examples = new Example[]{
        new Example(-2, -2, -2),
        new Example(-2 , 1, -2),
        new Example( 1, -2, -2),
        new Example( 1,  1, 1)
    };

Trained weights : 0.6363636363636364 0.6363636363636364
-1
-1
-1
1