PHP中用于和门的基本感知器，我做得对吗？奇怪的结果

我想从最基本的感知器算法开始学习神经网络。所以我已经在PHP中实现了一个，经过训练后，我得到了奇怪的结果。所有4种可能的输入组合返回错误或正确的结果（通常是错误的结果）

1） 我的实现是否有问题，或者我得到的结果是否正常

2） 这种实现是否可以使用2个以上的输入

3） 在此之后，学习神经网络的下一步（最简单）是什么？也许增加更多的神经元，改变激活功能，或者

另外，我的数学很差，不一定100%理解感知器背后的数学，至少不理解训练部分

感知器类

---

我必须感谢你发布这个问题，我想有机会深入研究一下神经网络。总之，事关正事。在对所发生的一切进行修补和详细记录后，只需更改1个字符即可按预期工作：

public function sum(array $inputs)
{
    ...
    //instead of multiplying the input by the weight, we should be adding the weight
    $sum += ($inputs[$i] + $this->weights[$i]);
    ...
}

有了这一改变，1000次迭代的训练最终被过度使用了。
代码中有一点令人困惑，不同的权重设置：

public function train(array $trainingSet, float $learningRate)
{
    foreach ($trainingSet as $row) {
        ...
        $this->weights[0] = $this->weights[0] + ($learningRate * $error);
        for ($i = 0; $i < $this->n - 1; $i++) {
            $this->weights[$i + 1] =
                $this->weights[$i] + ($learningRate * $inputs[$i] * $error);
        }
}

公共功能序列（数组$trainingSet，浮动$learningRate）
{
foreach（$trainingSet as$row）{
...
$this->weights[0]=$this->weights[0]+（$learningRate*$error）；
对于（$i=0；$i<$this->n-1；$i++）{
$this->weights[$i+1]=
$this->weights[$i]+（$learningRate*$inputs[$i]*$error）；
}
}

我不一定明白你为什么选择这样做。我没有经验的眼睛会认为下面的方法也行

for ($i = 0; $i < $this->n; $i++) { 
    $this->weight[$i] += $learningRate * $error;
}

for（$i=0；$i<$this->n；$i++）{
$this->weight[$i]+=$learningRate*$error；
}
发现了我的愚蠢错误，我没有调整训练集每一行的偏差，因为我不小心将它放在了
foreach
循环之外。这就是
train（）
方法应该看起来的样子：

public function train(array $trainingSet, float $learningRate)
{
    foreach ($trainingSet as $row) {
        $inputs = array_slice($row, 0, $this->n);
        $correctOutput = $row[$this->n];

        $output = $this->predict($inputs);
        $error = $correctOutput - $output;

        // Adjusting the weights
        for ($i = 0; $i < $this->n; $i++) {
            $this->weights[$i] += ($learningRate * $inputs[$i] * $error);
        }

        // Adjusting the bias
        $this->bias += ($learningRate * $error);
    }
}

公共功能序列（数组$trainingSet，浮动$learningRate）
{
foreach（$trainingSet as$row）{
$inputs=array_切片（$row，0，$this->n）；
$correctOutput=$row[$this->n]；
$output=$this->predict（$inputs）；
$error=$correctOutput-$output；
//调整重量
对于（$i=0；$i<$this->n；$i++）{
$this->weights[$i]+=（$learningRate*$inputs[$i]*$error）；
}
//调整偏差
$this->bias+=（$learningRate*$error）；
}
}

现在我每次运行脚本都会在训练后得到正确的结果。只需100次训练就足够了。
谢谢你的回答。我的实现基于我能够从谷歌上找到的多个来源，它们非常一致，所以我认为你的更改不正确。这是苏在代码的第一部分，假设是乘法（所有w（i）*x（i）的总和）。学习机制是什么？我仍然不确定哪一个是正确的公式。一些网站说它是w（t+1）=w（t）+…而其他的-w（t）=w（t）+…无论如何，请检查以下两个链接：
for ($i = 0; $i < $this->n; $i++) { 
    $this->weight[$i] += $learningRate * $error;
}

public function train(array $trainingSet, float $learningRate)
{
    foreach ($trainingSet as $row) {
        $inputs = array_slice($row, 0, $this->n);
        $correctOutput = $row[$this->n];

        $output = $this->predict($inputs);
        $error = $correctOutput - $output;

        // Adjusting the weights
        for ($i = 0; $i < $this->n; $i++) {
            $this->weights[$i] += ($learningRate * $inputs[$i] * $error);
        }

        // Adjusting the bias
        $this->bias += ($learningRate * $error);
    }
}