swift – XOR神经网络 – 出乎意料的结果

发布时间：2020-12-14 04:56:15 所属栏目：百科来源：网络整理

导读：我试图快速实施Daniel Shiffman的XOR神经网络,我有所有的部分,但是经过训练后,结果出乎意料. 我的一部分认为这是实际的培训系统,试图一次学习多个东西. 我已将我的游乐场联系起来以防任何人发现任何错误：https://www.dropbox.com/s/9rv8ku3d62h03ip/Neural.

我试图快速实施Daniel Shiffman的XOR神经网络,我有所有的部分,但是经过训练后,结果出乎意料.

我的一部分认为这是实际的培训系统,试图一次学习多个东西.

Results Screenshot

我已将我的游乐场联系起来以防任何人发现任何错误：https://www.dropbox.com/s/9rv8ku3d62h03ip/Neural.playground.zip?dl=0

丹尼尔斯代码：

https://github.com/shiffman/The-Nature-of-Code-Examples/blob/master/chp10_nn/xor/code/src/Network.java

解决方法

您的代码中存在一些错误.第一个(也是最重要的)是您创建网络的方式的微妙之处.

现在你正在使用

inputs = [Neuron](repeating: Neuron(),count:2+1)
hidden = [Neuron](repeating: Neuron(),count:4+1)

但这会产生同一神经元的所有输入,也会隐藏相同的神经元,因此只有4个神经元：2个用于输入(常规重复2次和偏置神经元),2个用于隐藏(常规重复4个)时间和1为偏见).

您可以通过简单地使用for循环来解决它：

public class Network
{
    var inputs:[Neuron] = []
    var hidden:[Neuron] = []
    var output:Neuron!

    public init()
    {
        for _ in 1...2 {
            inputs.append(Neuron())
        }

        for _ in 1...4 {
            hidden.append(Neuron())
        }

        //print("inputs length: (inputs.count)")

        inputs.append(Neuron(bias: true))
        hidden.append(Neuron(bias: true))

        output = Neuron()

        setupInputHidden()
        setupHiddenOutput()
    }

    ...
}

另一个(次要)的事情是,当你计算一个神经元的输出时,你正在添加偏见而不是替换它(bias = from.output*c.weight),我不知道这是否是故意的,但结果似乎没有受到影响.

Trained network

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!