Neural network 用单层感知器求解异或
我一直听说XOR问题不能用单层感知器(不使用隐藏层)来解决,因为它不是线性可分的。我知道没有线性函数可以将类分开 但是,如果我们使用一个非单调的激活函数,比如sin()或cos(),情况仍然是这样吗?我想这些类型的函数可能能够将它们分开。不,没有“黑客”就不行 当以图形方式说明xor问题时,我们需要一个隐藏层的原因是直观的 不能绘制单个正弦或余弦函数来分隔这两种颜色。您需要一条额外的线(隐藏层),如下图所示:Neural network 用单层感知器求解异或,neural-network,xor,perceptron,Neural Network,Xor,Perceptron,我一直听说XOR问题不能用单层感知器(不使用隐藏层)来解决,因为它不是线性可分的。我知道没有线性函数可以将类分开 但是,如果我们使用一个非单调的激活函数,比如sin()或cos(),情况仍然是这样吗?我想这些类型的函数可能能够将它们分开。不,没有“黑客”就不行 当以图形方式说明xor问题时,我们需要一个隐藏层的原因是直观的 不能绘制单个正弦或余弦函数来分隔这两种颜色。您需要一条额外的线(隐藏层),如下图所示: 是的,具有非单调激活函数的单层神经网络可以解决异或问题。更具体地说,周期函数会多次切
是的,具有非单调激活函数的单层神经网络可以解决异或问题。更具体地说,周期函数会多次切割XY平面。即使是一个或激活功能也会将其剪切两次 自己试试看:W1=W2=100,Wb=-100,activation=exp(-(Wx)^2)
- exp(-100*0+100*0-100*1)^2)=~0
- exp(-100*0+100*1-100*1)^2)=1
- exp(-100*1+100*0-100*1)^2)=1
- exp(-100*1+100*1-100*1)^2)=~0
- 绝对值(-1*0+1*0)=0
- 绝对值(-1*0+1*1)=1
- 绝对值(-1*1+1*0)=1
- 绝对值(-1*1+1*1)=0
- sin(-PI/2*0-PI/2*0-PI*1)=0
- sin(-PI/2*0-PI/2*1-PI*1)=1
- sin(-PI/2*1-PI/2*0-PI*1)=1
- sin(-PI/2*1-PI/2*1-PI*1)=0