Python 逻辑函数误分类

我很难教神经网络XOR逻辑函数。我已经使用双曲正切和ReLU作为激活函数成功地训练了网络（关于ReLU，我知道它不适合这种问题，但我仍然想测试它）。尽管如此，我还是不能让它和你一起工作。我对该函数的定义是：

def logistic(data):
    return 1.0 / (1.0 + np.exp(-data))

及其衍生物：

def logistic_prime(data):
    output = logistic(data)
    return output * (1.0 - output)

其中，

np

是为NumPy导入的包指定的名称。由于异或逻辑使用的是0和1，逻辑函数应该是适当的激活函数。尽管如此，我得到的结果在所有情况下都接近0.5，即0和1的任何输入组合的结果都接近0.5。我说的有错误吗

---

请不要犹豫，向我询问更多上下文或更多代码。提前谢谢。

我和你有同样的问题。 当数据不能被线性超平面分割时，就会出现问题。 尝试训练数据：

X = [[-1,0],[0,1],[1,0],[0,-1]]
Y = [1,0,1,0]

如果你把它画在坐标上，你会发现它不是线性可分的。 对其进行逻辑训练，参数均接近0，结果接近0.5

另一个可线性划分的示例是use

Y=[1,1,0,0]

---

和逻辑工作。

您可以将

logistic（data）

的输出分配给

logistic\u prime

中的局部变量，并使用它两次，而不是实际调用函数两次。这与你的问题无关，但至少训练会更快失败。