感知器培训的三角洲培训规则

我正在尝试使用德尔塔培训规则来训练感知器的与布尔函数。但即使在收敛之后，它错误地将输入分类（实际上是1个输入）。你能告诉我在哪里，我错了：http://ideone.com/CDgTQE 感知器培训的三角洲培训规则

这是用来训练功能：

public void trianWithDelta(Example[] examples){ 
    for(int i=0;i<1000;++i){ 

     dw1 = 0; 
     dw2 = 0; 

     for(Example ex:examples){ 
      double o = computeOutput(ex); 
      double t = ex.o; 

      dw1 = dw1 + n*(t-o)*ex.x1; 
      dw2 = dw2 + n*(t-o)*ex.x2; 
     } 

     w1 += dw1; 
     w2 += dw2; 
    }   
}

的训练实例（布尔AND）：

Example[] examples = new Example[]{ 
     new Example(-1, -1, -1), 
     new Example(-1 , 1, -1), 
     new Example(1, -1, -1), 
     new Example(1, 1, 1) 
    };

结果： W1：0.49999999999999994 w2：0.5000000000000002

使用培训后的培训示例进行测试：

-1

1（不正确）

-1

来源

2015-11-28 CodeWriter

你的代码实际上是正确，问题出在你的什么可以使用学到的理解无偏感知器和什么不能。

如果你没有偏见，那么学习，几乎是不可能的，因为：

恰好有一个角分离在你的代码数据，这是实现了线y=-x，这将意味着即w1=w2，它们的值之间即使是最细微的差别也会打破分类器（如1e-20）
您分类器实际上回答三个值（如您使用符号函数）：-1,0,1，而无法分离AND无在这种情况下的偏见，因为你需要回答-1时激活为0.

尝试在纸上绘制正确的分隔符，您会注意到，没有偏见，您的行必须跨越（0,0），因此它必须是y = -x，因此为（1,1）和（1，-1）激活是0

两个问题都可以仅仅通过增加偏置节点来解决（这是你应该做的）。

你也可以改变的 “位” 的定义和 - 通过编码 “假” 为-2

Example[] examples = new Example[]{ 
     new Example(-2, -2, -2), 
     new Example(-2 , 1, -2), 
     new Example(1, -2, -2), 
     new Example(1, 1, 1) 
    };

与乳宁你的代码的行为，例如如预期

Trained weights : 0.6363636363636364 0.6363636363636364 
-1 
-1 
-1 
1

来源

2015-11-28 22:26:04 lejlot

感知器培训的三角洲培训规则

回答

相关问题