所以,我希望这是一个真正的愚蠢的事情,我正在做,并有一个简单的答案。我试图训练一个2x3x1神经网络来完成XOR问题。它没有工作,所以我决定深入了解发生了什么。最后,我决定分配我的自我重量。这是我想出的权重向量:异或与神经网络(Matlab)
theta1 = [11 0 -5; 0 12 -7;18 17 -20];
theta2 = [14 13 -28 -6];
(在Matlab中表示法)。我故意试图使没有两个权重是一样的(除非在零)
而且,我的代码,在MATLAB很简单的是
function layer2 = xornn(iters)
if nargin < 1
iters = 50
end
function s = sigmoid(X)
s = 1.0 ./ (1.0 + exp(-X));
end
T = [0 1 1 0];
X = [0 0 1 1; 0 1 0 1; 1 1 1 1];
theta1 = [11 0 -5; 0 12 -7;18 17 -20];
theta2 = [14 13 -28 -6];
for i = [1:iters]
layer1 = [sigmoid(theta1 * X); 1 1 1 1];
layer2 = sigmoid(theta2 * layer1)
delta2 = T - layer2;
delta1 = layer1 .* (1-layer1) .* (theta2' * delta2);
% remove the bias from delta 1. There's no real point in a delta on the bias.
delta1 = delta1(1:3,:);
theta2d = delta2 * layer1';
theta1d = delta1 * X';
theta1 = theta1 - 0.1 * theta1d;
theta2 = theta2 - 0.1 * theta2d;
end
end
我相信这是正确的。我用有限差分方法测试了各种参数(theta),看看它们是否正确,而且它们似乎是正确的。
但是,当我运行它时,它最终只归结为返回全零。如果我做xornn(1)(1次迭代)我得到
0.0027 0.9966 0.9904 0.0008
但是,如果我做xornn(35)
0.0026 0.9949 0.9572 0.0007
(它开始在错误的方向上的后裔)和由(45)我得到
0.0018 0.0975 0.0000 0.0003
如果我运行它10,000次迭代,它只是返回全0。
这是怎么回事?我必须添加正规化吗?我会认为这样一个简单的网络不需要它。但是,无论如何,为什么它摆脱了我亲手喂食的明显的良好解决方案?
谢谢!