2

我知道感知器只能在线性可分集合上正常工作，比如 NAND、AND、OR 函数的输出。我一直在阅读Wikipedia 关于感知器的条目，并开始使用它的代码。

XOR 是单层感知器失败的情况，因为它不是线性可分集。

#xor
print ("xor")
t_s           = [((1, 1, 1), 0), ((1, 0, 1), 1), ((1, 1, 0), 1), ((1, 1, 1), 0)] 


threshold     = 0.5
learning_rate = 0.1
w             = [0, 0, 0]

def dot_product(values, weights):
    return sum(value * weight for value, weight in zip(values, weights))

def train_perceptron(threshold, learning_rate, weights, training_set):
    while True:
        #print('-' * 60)
        error_count = 0

        for input_vector, desired_output in training_set:
            #print(weights)
            result = dot_product(input_vector, weights) > threshold
            error  = desired_output - result

            if error != 0:
                error_count += 1
                for index, value in enumerate(input_vector):
                    weights[index] += learning_rate * error * value

        if error_count == 0: #iterate till there's no error 
            break
    return training_set

t_s = train_perceptron(threshold, learning_rate, w, t_s)

t_s = [(a[1:], b) for a, b in t_s]

for a, b in t_s:
    print "input: " + str(a) + ", output: " + str(b)

此 Ideone 运行的输出对于 XOR 是正确的。怎么会？

xor
input: (1, 1), output: 0
input: (0, 1), output: 1
input: (1, 0), output: 1
input: (1, 1), output: 0
4

3 回答 3

6

您输入t_s并train_perceptron返回它而不修改。然后你输出它。当然，这完美无缺....

t_s = train_perceptron(threshold, learning_rate, w, t_s)

这一点都没有改变t_s。train_perceptron绝不会修改training_set,。但返回它：return training_set

然后在这里输出它：

t_s = [(a[1:], b) for a, b in t_s]

for a, b in t_s:
    print "input: " + str(a) + ", output: " + str(b)
于 2014-01-15T17:08:00.790 回答
1

尝试改变你的训练集：

t_s = [((1, 1, 1), 0), ((1, 0, 1), 1), ((1, 1, 0), 1), ((0, 0, 0), 0)]
于 2014-01-15T17:18:01.730 回答
0

如果我的记忆是正确的，可以用感知器解决非线性问题，那么您至少需要一个隐藏层，该层中的神经元具有非线性激活。

于 2014-01-15T17:07:10.977 回答