Machine learning XOR递归神经网络的序列训练数据

我试图实现一个递归神经网络，并试图让它学习一个异或函数作为一个小例子

由于它是一个循环网络，我认为最好让它只与一个输入单元一起工作，以查看它对以前状态的记忆情况；即，基于顺序输入实现XOR函数：

INPUT(t-1) = 0
INPUT(t)   = 1
OUTPUT(t)  = 1

或

因此，我的输入训练数据将按以下顺序一次显示一位：

inputs = { 0, 0, 1, 1, 0 }

以及相应的目标输出

targets = { 0, 0, 1, 0, 1 }.

但这不是学习，尽管我知道这可能有很多原因，但我想知道，也许我没有正确定义我的数据集，因此我不会向我的网络提出正确的问题。我来到这里，然后寻找关于什么是正确的训练集的想法，用于“顺序”异或函数的监督学习

我正在处理的实现类似于Elman RNN，如果您需要有关它的任何详细信息，请询问。

以下链接：

---

包含处理XOR问题的经常性Elman网络实现。它使用Encog（相对容易使用）来处理网络本身的实现。希望您能够看到实现中的差异并加以纠正。

您是否很好地遵循前向传播-后向传播？我建议从米切尔的书中引用Andrew Ng lec（）和CHAP 4…我实现了神经网络代码。。我用它来编码解码，我也用“相同”来识别手写数字。你能展示一些代码吗？您是否正在使用BTT（穿越时间的反向道具）？

targets = { 0, 0, 1, 0, 1 }.