Neural network 8+神经网络异或运算；输入节点

使用标准背景，我可以训练一个最多8个二进制输入的网络来学习XOR。这一共是256个输入集，输出正确地识别了8个输入集，8个输入中只有一个为1，其余为0

布局：

•8项投入

•1个包含2个或更多节点的隐藏层

•输出：1个节点

它将在大约500个时期内训练，如果我使用更多的隐藏节点，训练时间会更少

然而，无论我使用多少个隐藏节点，我都无法在9个输入节点上进行训练

是否存在8的固有限制来防止这种情况？我怀疑我可能需要另一个隐藏层，但我想了解这是否根本不可能

---

谢谢你的提示。

是的，9:2:1可以不等价地解XOR。如果您无法找到解决方案，则可能是设置不合适，或者是算法有问题。

您使用的工具/命令是什么？你现在的问题太宽泛了。我也建议你去问一下，8或9个输入并没有什么“神奇”的。显然，每个额外的输入都会使可能的值增加一倍，从而增加训练所需的数据，但除此之外，这是同样的问题，不需要“大”的改变。@lejlot谢谢，我不确定我是否遗漏了什么，所以坚持下来，找到了一组好的参数，并在不到100个时期内测试/解决了N=20的问题。（学习速度。4，重量+/-3，动量。6）是的，谢谢，这是不合适的设置，但一个小时后我不知道我是不是在浪费时间，所以坚持了下来。