Machine learning 人工神经网络拓扑

我目前正在为期末考试复习，遇到了这个问题，我在课堂幻灯片上到处寻找帮助，但找不到任何帮助。如果您能帮助我们深入了解如何解决这个问题，我们将不胜感激（我不是在问答案，我需要理解这个主题）。此外，我是否假设所有输入都等于1？我是否在输入层中包含7个输入？我不知如何回答

问题如下:

b） 确定可以学习以下数据集的人工神经网络的最简单类型和拓扑结构（即神经元和层的数量），并加以证明

---

如果我没弄错的话，您有两个输入X1、X2和一个目标输出。对于由两个数字X1、X2组成的每个输入，给出相应的输出（“目标”）

---

作为第一步，您可以绘制七个数据点-只需在正方形（X1，X2）的正确位置绘制3个1和4个0∈ [0, 1.05] × [0, 1]. 也许您还记得讲座中类似的内容，可能是在提到“XOR”的附近。编辑队列已满，因此在此处添加链接图像中的数据

Pattern X1  X2  Target  
1   0.01    -0.1    1   
2   0.90    0.09    0   
3   0.89    -0.05   0   
4   1.05    0.95    1   
5   -0.01   0.12    0   
6   1.05    0.97    1   
7   0.98    0.10    0   

---

看起来1个可能的解决方案是X1>=1.0或X2请将问题描述放入问题中。如果绝对无法用文字描述，请使用图像。请不要让我们转到另一个站点来查看问题。@我的个人资料限制我包含嵌入的图像，链接只是提供图像。这是一个简单的数据集；将其作为文本包含。

Pattern X1  X2  Target  
1   0   0   1
2   1   0   0
3   1   0   0
4   1   1   1
5   0   0   0
6   1   1   1
7   1   0   0