机器学习/深度学习测试题（二）—— 单层线性神经网络求解异或问题

1. 输入样本的处理

听起来似乎是一个比较奇怪的说法，不对输入做任何处理的话，是无法求解异或问题的。这里提供一种对输入进行处理的可行方式：对输入样本做必要的升维处理，其实质是引入非线性分量。

如下图所示：

X = [0, 0, 0; 0, 1, 1; 1, 0, 1; 1, 1, 0];% 行表示样本，包含输入值和目标值
P = [X(:, 1), X(:, 1).^2, X(:, 1).*X(:, 2), X(:, 2).^2, X(:, 2)]';% 为了保证 matlab 接口的一致性，使其每一列为一个样本；
d = X(:, 3)';

2. 定义单层线性神经网络

lr = maxlinlr(P, 'bias');% 根据 1996 年 Hayjin 证明的 LMS 算法的收敛性，最大学习率与输入样本矩阵的自相关矩阵的最大特征值有关；
net = linearlayer(0, lr);% 开始训练
net = train(net, P, d);% 测试
sim(net, P)% 查看学习到的权值
net.iw{:}
net.b{:}

机器学习/深度学习测试题（二）—— 单层线性神经网络求解异或问题相关推荐

MATLAB与深度学习（二）— 训练神经网络（图像分类识别）
MATLAB与深度学习(二)- 训练神经网络(图像分类识别) 上一篇,我们介绍了与深度学习相关的MATLAB工具包.这一篇,我们将介绍如何训练神经网络和相关的基础知识.本文借鉴和引用了网上许多前辈的经 ...
机器学习/深度学习测试题（一） —— 单层感知器的激活函数
问,更换单层感知器的激活函数(比如改为 tanh\tanh 函数),能否使模型具有解决非线性分类问题的能力. tanh(s)=exp(s)−exp(−s)exp(s)+exp(−s) \tanh(s) ...
深度学习实践指南（五）—— 求解异或问题
(1)本文的实现为仅有一个隐层的输入层-隐层-输出层的三层简单神经网络 (2)因为模型较为简单,参数较少,权值矩阵的更新我们采用的数值分析的方式,而不是反向传播. import numpy as np ...
深度学习笔记其五：卷积神经网络和PYTORCH
深度学习笔记其五:卷积神经网络和PYTORCH 1. 从全连接层到卷积 1.1 不变性 1.2 多层感知机的限制 1.2.1 平移不变性 1.2.2 局部性 1.3 卷积 1.4 "沃尔多在 ...
华南理工深度学习与神经网络期末考试_深度学习基础：单层神经网络之线性回归...
3.1 线性回归线性回归输出是一个连续值,因此适用于回归问题.回归问题在实际中很常见,如预测房屋价格.气温.销售额等连续值的问题.与回归问题不同,分类问题中模型的最终输出是一个离散值.我们所说的图像 ...
机器学习——深度学习之卷积神经网络（CNN）——AlexNet卷积神经网络结构
目录一.AlexNet卷积神经网络结构模型 1.数据库ImageNet 2.AlexNet第一层卷积层二.AlexNet卷积神经网络的改进 1.非线性变化函数的改变--ReLU 2.最大池化(Ma ...
机器学习——深度学习之卷积神经网络（CNN）——LeNet卷积神经网络结构
目录一.卷积神经网络 1.卷积神经的作用 2.LeNet 1)数据库准备--minst 2)模型· 二.关于卷积神经网络结构的一些术语定义 1.特征图(Feature map) 2.height(长 ...
毕业设计 : 车牌识别系统实现【全网最详细】 - opencv 卷积神经网络机器学习深度学习
文章目录 0 简介 1 车牌识别原理和流程 1.1 车牌定位 1.2 基于图形图像学的定位方法. 1.3 基于机器学习的定位方法. 1.4 字符分割 1.5 字符识别 2 基于机器学习的车牌识别 2. ...
基于Python+百度语音的智能语音ChatGPT聊天机器人（机器学习+深度学习+语义识别）含全部工程源码适合个人二次开发
目录前言总体设计系统整体结构图系统流程图运行环境 Python 环境 Pycharm 环境 ChatterBot 环境模块实现 1. 模型构建 2. 服务器端 3. 客户端 4. 语音录入 ...

机器学习/深度学习测试题（二）—— 单层线性神经网络求解异或问题

1. 输入样本的处理

2. 定义单层线性神经网络

机器学习/深度学习测试题（二）—— 单层线性神经网络求解异或问题相关推荐

最新文章

热门文章