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Machine learning 人工神经网络拓扑,machine-learning,neural-network,artificial-intelligence,Machine Learning,Neural Network,Artificial Intelligence,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”)
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